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

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

Ya está disponible la versión 1.5 del laboratorio de Analytics Lane. Es una de las…

18 horas ago

Cómo Explorar un Dataset antes de Modelar

Uno de los errores más frecuentes en ciencia de datos es lanzarse a construir un…

2 días ago

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

Pregunta a cualquiera qué significan las letras de "Wi-Fi" y lo más probable es que…

7 días ago

Shallow copy vs Deep copy en Python: la mutación inesperada

Imagina que tienes una lista con datos de un usuario: usuario_original = { 'nombre': 'Juan',…

1 semana ago

Cómo Saber si una Diferencia Significativa es Importante

Has aplicado un t-test y obtienes p = 0,003. El resultado es estadísticamente significativo, hay…

2 semanas ago

== vs is en Python: la diferencia que causa bugs misteriosos

Hay un bug que aparece una y otra vez en código Python, tan sutil que…

2 semanas ago

This website uses cookies.