Python

Utilización de pantallas retina en Jupyter Notebook

Las pantallas con una alta densidad de pixeles son cada vez más populares, volviéndose en muchos casos el estándar de la industria. Esto es porque la calidad en la imagen de las pantallas es considerable. Hoy en día se pueden encontrar una gran oferta de ordenadores o monitores con resolución HiDPI o Retina Display en el mundo Apple. Por defecto la calidad de las pantallas retina en Jupyter Notebook no se aprovecha, aunque esto es fácil de solucionar.

Configuración de pantallas retina en Jupyter Notebook

La configuración de una pantalla con una alta densidad de píxeles en Jupyter Notebook es tremendamente sencilla, simplemente se ha de ejecutar la siguiente línea en una celda.

%config InlineBackend.figure_format = 'retina'

A partir de ese punto todas las imágenes pasarán a tener una resolución de 144 píxeles por pulgada en lugar de los 72 por defecto.

Comparación de las imágenes.

Para comparar la calidad de las imágenes se puede generar una figura en la que se representa el seno y el coseno con el siguiente código:

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

%config InlineBackend.figure_format = 'retina'

xvalues = np.linspace(-np.pi, np.pi)
yvalues1 = np.sin(xvalues)
yvalues2 = np.cos(xvalues)
plt.plot(xvalues, yvalues1, lw=2, color='red', label='sin(x)')
plt.plot(xvalues, yvalues2, lw=2, color='blue', label='cos(x)')
plt.legend()
None

Ahora se muestra las imágenes que se obtienen cuando la calidad es estándar o retina. Como se puede apreciar la diferencia entre ambas resoluciones es considerable. Observando que tanto las líneas como los textos tiene menos pixelado en la segunda configuración.

Imagen con calidad estándar 72 píxeles por pulgada
Imagen con calidad retina 144 píxeles por pulgada

Conclusiones

En esta entrada se ha visto cómo modificar la calidad de las gráficas generadas en Jupyter para aprovechar la calidad de las pantallas HiDPI. Al cambiar la configuración se consigue que la calidad de las imágenes pase de 72 a 144 píxeles por pulgada, obteniendo gráficas de mayor calidad.

Imágenes: Pixabay

¿Te ha parecido de utilidad el contenido?

Daniel Rodríguez

Share
Published by
Daniel Rodríguez
Tags: Jupyter

Recent Posts

Curiosidad: De dónde vienen foo, bar y foobar

Si revisáis código o documentación de otros programadores, tarde o temprano os toparéis con dos…

2 días ago

BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas

Los dos artículos anteriores cubrieron el CLV clásico —una fórmula útil pero que trata a…

4 días ago

Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)

Hay un momento muy concreto en la vida de casi todo análisis: el código que…

1 semana ago

Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción

Has construido un nuevo modelo de credit scoring. Las métricas de validación son mejores que…

2 semanas ago

Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

Comparar dos hipotecas parece sencillo: la que tenga el TIN más bajo es la mejor…

2 semanas ago

Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV

En un artículo anterior vimos la fórmula clásica del CLV junto a sus limitaciones. Una…

3 semanas ago

This website uses cookies.