### 在 Jupyter Notebook 中以高分辨率导出清晰的图表 在 Jupyter Notebook 中使用 Matplotlib 和 Seaborn 生成图表时，可以通过设置适当的参数来确保导出的图表具有高分辨率。以下是实现高分辨率图表导出的方法： #### 设置图表分辨率 通过调整 `dpi`（dots per inch）参数可以提高图表的分辨率。较高的 `dpi` 值会生成更清晰的图像。以下代码示例展示了如何设置 `dpi` 并保存图表为高分辨率文件[^1]。 ```python import matplotlib.pyplot as plt import seaborn as sns # 创建相关性热力图 correlation_matrix = data.corr() sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.title('Correlation Heatmap') # 设置 DPI 并保存为高分辨率 PNG 文件 plt.savefig('correlation_heatmap.png', dpi=300, bbox_inches='tight') # 使用 dpi=300 提高分辨率[^1] plt.show() ``` #### 使用矢量格式保存图表 除了 PNG 格式的位图外，还可以选择矢量格式（如 PDF 或 SVG），这些格式在放大时不会失去清晰度。以下是保存为 PDF 文件的示例代码[^1]。 ```python # 保存为矢量格式 PDF 文件 plt.savefig('correlation_heatmap.pdf', format='pdf', bbox_inches='tight') ``` #### 调整图形大小 通过设置 `plt.figure()` 的 `figsize` 参数，可以调整图表的尺寸，从而影响最终导出图像的清晰度[^1]。 ```python # 设置更大的图表尺寸 plt.figure(figsize=(10, 8)) # 宽度为 10 英寸，高度为 8 英寸 sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.title('Correlation Heatmap') # 保存并显示图表 plt.savefig('correlation_heatmap_highres.png', dpi=300, bbox_inches='tight') plt.show() ``` #### 配置 Seaborn 风格和上下文 Seaborn 提供了多种风格和上下文配置，可以进一步优化图表的外观。例如，使用 `sns.set_context()` 可以调整字体大小和其他视觉元素，使其更适合打印或展示。 ```python sns.set_style("whitegrid") # 设置背景风格 sns.set_context("paper", font_scale=1.5) # 调整字体大小适合论文或报告 # 绘制柱状图 data['category'].value_counts().plot(kind='bar', color='skyblue') plt.title('Category Distribution') plt.xlabel('Category') plt.ylabel('Count') # 保存高分辨率柱状图 plt.savefig('category_distribution.png', dpi=300, bbox_inches='tight') plt.show() ``` #### 注意事项 - `bbox_inches='tight'` 参数用于自动裁剪多余的空白区域，确保导出的图表紧凑且美观。 - 如果需要进一步编辑图表，可以将文件保存为矢量格式（如 PDF 或 SVG），然后使用专业工具（如 Adobe Illustrator 或 Inkscape）进行后期处理。