|
搭建一個和我的一樣的、穩(wěn)健的matplotlib繪圖平臺。 網(wǎng)上這一類的交流、總結(jié)文章已經(jīng)很多，我為什么還要專文來說這個事呢？你可能會說：不就是安裝Python、配置Python環(huán)境變量、安裝matplotlib及其依賴包嗎？ 從一個小故事看matplotlib平臺穩(wěn)健性前些天，有一位網(wǎng)友求救，說他在matplotlib中繪圖，需要將圖像分辨率設(shè)置為 600dpi，但不管怎么操作就是沒有效果，他在圖像屬性中看到的圖片DPI始終只有96dpi %matplotlib inlineimport numpy as npimport matplotlibimport matplotlib.pyplot as plt# sphinx_gallery_thumbnail_number = 2# 蔬菜種類vegetables = ['cucumber', 'tomato', 'lettuce', 'asparagus', 'potato', 'wheat', 'barley']# 農(nóng)夫名字farmers = ['Farmer Joe', 'Upland Bros.', 'Smith Gardening', 'Agrifun', 'Organiculture', 'BioGoods Ltd.', 'Cornylee Corp.']# 收成harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0], [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0], [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0], [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0], [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0], [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1], [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])# fig, ax = plt.subplots()fig = plt.figure(dpi=600)ax = fig.add_subplot(1,1,1)im = ax.imshow(harvest)# 設(shè)置x，y坐標(biāo)長度ax.set_xticks(np.arange(len(farmers)))ax.set_yticks(np.arange(len(vegetables)))# x，y具體標(biāo)簽ax.set_xticklabels(farmers)ax.set_yticklabels(vegetables)# x軸標(biāo)簽旋轉(zhuǎn)45°顯示plt.setp(ax.get_xticklabels(), rotation=45, ha='right', rotation_mode='anchor')# 顯示每個方格的值for i in range(len(vegetables)): for j in range(len(farmers)): text = ax.text(j, i, harvest[i, j], ha='center', va='center', color='w')ax.set_title('Harvest of local farmers (in tons/year)')fig.tight_layout()plt.savefig('cm.jpeg',dpi = 600)plt.show() 他把代碼發(fā)了過來，似乎沒有什么問題。我在jupyter lab中運(yùn)行這段代碼，生成'cm.jpeg'文件，在PS中查看圖像尺寸： 完全正確，分辨率就是預(yù)期的600dpi。 我讓把他看到的圖像屬性截圖給我看看，如下： 按照這個屬性參數(shù)，很容易計算出，他電腦上的這張cm.jpeg圖像的物理尺寸是：
mpl默認(rèn)的figsize是(6, 4)。他的代碼并沒有設(shè)置'figsize'，但生成的圖像尺寸是(40,30) 英寸，這個尺寸太大了，顯然是在哪里修改了rcParams參數(shù)，導(dǎo)致了他的苦惱。 如果你對上面的關(guān)于分辨率和圖像尺寸的關(guān)系不是很清楚，請重新閱讀第4，第5篇文章。 由于Python的開源性，各種開發(fā)包又很多，包之間的依賴性極其復(fù)雜，所以你的每一個操作都有可能影響整個開發(fā)平臺的穩(wěn)定性，甚至引發(fā)災(zāi)難性后果。 比如：
所以，搭建一個穩(wěn)健的Python平臺非常重要。像你我這樣通過網(wǎng)絡(luò)交流，雙方保持測試環(huán)境的盡可能一致也是非常有好處的。 推薦的Python平臺搭建方式搭建Python平臺，目前從大方面來說，常見的主要有兩種方式：
第1種方式適合非常專業(yè)的人員，要求對Pyhton的包管理非常熟練，對包的依賴性有較深的了解，并且有很強(qiáng)的解決遇到的各種問題的能力。 像我這樣的草根推薦第2種方式。 Anaconda是什么，有什么優(yōu)勢？Anaconda是以Python為核心，針對科學(xué)計算和機(jī)器學(xué)習(xí)而構(gòu)建的一個集成環(huán)境。 它以一個整潔的包裝給了我們使用Python所需的一切，讓我們可以專注于使用工具而不是維護(hù)它們。
一句話，它的優(yōu)勢在于集成了我們使用Python的主要工具。 建議你按照下面的步驟從頭搭建一個穩(wěn)健的Python開發(fā)平臺，這樣你的測試環(huán)境和我的就基本一致了，各種代碼的測試結(jié)果也就會基本一致，也會避免出現(xiàn)莫名的問題。 下載，安裝Anaconda登錄anaconda官網(wǎng) https://www./distribution/#download-section 下載相應(yīng)的版本，我的操作系統(tǒng)是windows 10 64bit 的。 強(qiáng)烈建議下載 Python 3.7 版的，Python2 即將被放棄。 如果你過去一直使用Python 2 ，也不要擔(dān)心，轉(zhuǎn)到Python 3 真的很容易，并且從長遠(yuǎn)看是必須的，也是值得的。 像安裝其它windows程序一樣，雙擊運(yùn)行安裝，一路next，在指定安裝路徑時，建議設(shè)置如下： 其它都是默認(rèn)設(shè)置即可。 安裝結(jié)束后，程序菜單中會有一個Anaconda3文件夾。 配置環(huán)境變量需要進(jìn)行兩次配置，第一次： 如下圖，打開系統(tǒng)環(huán)境變量設(shè)置窗口： 雙擊 PATH 打開下面的窗口：
依次重復(fù)操作，即可將Anaconda的環(huán)境變量添加到系統(tǒng)中。 添加圖中左側(cè)的三個路徑到環(huán)境變量中 測試Python和conda是否安裝配置成功打開Anaconda Prompt命令行窗口： 輸入命令 : python，返回如下內(nèi)容： 表示Python安裝配置成功，我的Python版本是3.7.3. 輸入命令：conda，返回如下內(nèi)容：
表示 conda 管理工具安裝配置成功。 創(chuàng)建工作虛擬環(huán)境強(qiáng)烈建議：在上面的安裝測試完成后，先創(chuàng)建一個工作虛擬環(huán)境。再開始你的探索之旅！ 為什么要工作創(chuàng)建虛擬環(huán)境？前面說過，因為Python的開源性，包的依賴性復(fù)雜，在使用過程中，隨時都會破壞整個 Python 環(huán)境，導(dǎo)致出現(xiàn)一些莫名的問題和錯誤。 前面的安裝過程會創(chuàng)建一個base環(huán)境，如果直接在這個環(huán)境下工作、學(xué)習(xí)、測試，當(dāng)系統(tǒng)中的python環(huán)境出現(xiàn)問題無法修復(fù)時，就不得不卸載Anaconda，再重新安裝它。 如果我們創(chuàng)建一個新環(huán)境，工作、測試、學(xué)習(xí)都在這個環(huán)境下進(jìn)行，當(dāng)出現(xiàn)問題時，我們只需要刪除這個環(huán)境，再重新創(chuàng)建一個環(huán)境即可，這比從頭安裝Anaconda要節(jié)省時間。 當(dāng)然虛擬環(huán)境還有其它一些用途，不在我們的討論范圍內(nèi)。 創(chuàng)建工作虛擬環(huán)境啟動 Anaconda Prompt, 運(yùn)行如下命令： conda create -n py373env python=3.7 創(chuàng)建一個名為 'py373env'， Python版本為3.7的虛擬環(huán)境。 當(dāng)然，環(huán)境的名稱你可以根據(jù)喜好定，我習(xí)慣于這樣命名，一看就知道，這是一個Python的虛擬環(huán)境，并且Python版本是3.7.3。 需要一定的時間，它會下載、安裝一些包，創(chuàng)建你指定的環(huán)境，創(chuàng)建完成后。 在Anaconda Prompt中輸入： conda activate py373env 激活‘py373env’環(huán)境。
可以發(fā)現(xiàn)命令行的引導(dǎo)符最右邊的括號中原來的base，變成了py373env，這就表示，你原來處在base環(huán)境中，現(xiàn)在轉(zhuǎn)到了py373env環(huán)境中。 你在哪個環(huán)境中的操作，主要影響這個環(huán)境。比如更新、安裝包，修改一些包的默認(rèn)參數(shù)，只會影響該環(huán)境下的包，不會影響base環(huán)境。 將虛擬環(huán)境也添加到系統(tǒng)環(huán)境變量中
養(yǎng)成立即激活工作虛擬環(huán)境的好習(xí)慣我習(xí)慣于在jupyter lab中工作、學(xué)習(xí)、測試Python代碼，數(shù)據(jù)分析、數(shù)據(jù)可視化。 每天打開 Anaconda Prompt，輸入的第一行命令就是： conda activate py373env 即，立即轉(zhuǎn)到我的 py373env 虛擬環(huán)境，確保我的操作都是在這個環(huán)境下。除非我非常清楚地知道我要在其它環(huán)境下工作，我才退出py373env環(huán)境，激活其它環(huán)境。 退出py373env環(huán)境，使用命令： conda deactivate
推薦 jupyter labjupyter lab是jupyte notebook的替代計劃。 jupyter提供了在web中輸入、保存、運(yùn)行代碼，顯示結(jié)果.....的強(qiáng)大功能。 它集交互模式、IDE模式的優(yōu)點(diǎn)于一身。 是我測試Python代碼、進(jìn)行數(shù)據(jù)分析、matplotlib數(shù)據(jù)可視化的主要戰(zhàn)場。 下面將以在py373env虛擬環(huán)境中安裝、配置jupyter lab為例介紹 Anaconda的包安裝和管理。 設(shè)置conda的下載鏡像源（即下載通道）Anaconda的官方下載通道是 conda-forge 有時會出現(xiàn)下載失敗，下載速度慢的問題，可以添加清華大學(xué)的鏡像服務(wù)器。 在'系統(tǒng)盤(c)-用戶---用戶名'目錄下有一個Anaconda的配置文件文件：.condarc
用記事本打開這個'.condarc'文件，刪除里面的內(nèi)容，將下面的內(nèi)容復(fù)制進(jìn)去，保存即可。 channels: - https://mirrors.tuna./anaconda/cloud/msys2/ - https://mirrors.tuna./anaconda/cloud/conda-forge - https://mirrors.tuna./anaconda/pkgs/free/ - conda-forgeshow_channel_urls: truessl_verify: true 安裝jupyter lab激活虛擬環(huán)境： conda activate py373env 在py373env環(huán)境下，執(zhí)行命令： conda install -c conda-forge jupyterlab conda會自動分析你的環(huán)境，找到合適jupyterlab版本和包，下載安裝它們。 命令中的 '-c conda-forge'是指定從anaconda的官方鏡像下載安裝，這是推薦的方式。如果因網(wǎng)絡(luò)的問題，直接使用： conda install jupyterlab 它會根據(jù)分析結(jié)果和網(wǎng)速選擇配置文件中列出的鏡像源中合適的通道下載鏡像。 安裝完成后，在py373env環(huán)境下，輸入： jupyter lab 即可啟動jupyter lab。
安裝jupyterlab的擴(kuò)展jupyterlab有很多擴(kuò)展插件可用。安裝合適的插件，能夠使你的效率提高很多。 JupyterLab 的插件是 npm 安裝包。所以按照 JupyterLab 的插件，需要提前安裝好 Node.js。 安裝命令： conda install -c conda-forge nodejs 完成之后，有兩種方式進(jìn)行插件的安裝：
開啟Extension Manager安裝和管理插件如果使用第一種方式，需要手動開啟 Extension Manager。 在jupytelab頁面，設(shè)置，高級設(shè)置 (command+逗號 )，選擇Extension Manager一欄，修改設(shè)置為 true:
這樣就可以使用Extension Manager來安裝jupyterlab的擴(kuò)展插件了。
可以搜索插件，安裝插件，對已安裝的插件啟用、禁用、卸載。 安裝好jupyter toc 目錄插件，就可以使用目錄在文檔中導(dǎo)航了。
是不是看起來還不錯？ 一個穩(wěn)健的Python，matplotlib平臺搭建好了，后面就讓我們在這個平臺上煉身手吧！ 因為是草根們的草堂，所以可能有點(diǎn)太細(xì)了！但這會是我堅持的風(fēng)格，盡可能讓各等級的草根都能看懂。 |
|
|
