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

El bestiario de los indicadores económicos absurdos: El zoo patrio

Cualquier país desarrollado tiene sus propios indicadores folclóricos. España, por motivos que tienen mucho que…

4 días ago

Por qué el banco te ofrece un 3% TAE y no es lo que parece

Entras a la web de tu banco. En la página principal, un banner llamativo: “Depósito…

6 días ago

Analytics Lane lanza la versión 1.3 del laboratorio con nuevas herramientas de evaluación de modelos y utilidades prácticas

Seguimos ampliando el laboratorio de Analytics Lane con el lanzamiento de la versión 1.3, disponible…

1 semana ago

Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés – El bestiario de los indicadores económicos absurdos (parte 3)

Cerramos la serie internacional con la categoría más estrambótica de todas: indicadores que predicen el…

2 semanas ago

El Binning en Credit Scoring: El Arte de Discretizar Variables

Si el WOE y el IV son la base matemática del credit scoring, el binning…

2 semanas ago

Analytics Lane lanza la versión 1.2 del laboratorio con nuevas herramientas de ajuste de curvas y cálculo matricial

Seguimos iterando sobre el laboratorio de Analytics Lane y lanzamos la versión 1.2, disponible en:https://www.analyticslane.com/lab/es…

2 semanas ago

This website uses cookies.