简介这份PDF文档围绕Jupyter Notebook中的文件读写与图片处理展开面向Python数据分析初学者及需要快速上手交互式编程的读者。内容以精简的代码示例贯穿介绍通过pandas的read_csv读取CSV文件、使用matplotlib的imread和imshow加载并展示图片同时重点演示如何借助plt.gcf()结合savefig()正确导出非空白的PNG/JPG图片并补充了如何让Notebook单格输出多个结果的设置方法。资源仅含1个PDF文件大小约114KB体量轻巧适合跟着实例逐行敲写与验证。这份资料已吸引10981人学习实用性受到广泛认可读者可从中获得可直接迁移的读写代码模板、避免常见保存空白的排错思路以及理解Jupyter展示机制的关键技巧对日常数据处理与可视化工作有直接帮助。1. 别急着点保存Jupyter 里读文件和存图片的坑用 Jupyter Notebook 做数据分析时读文件和存图片的频率比很多人想象得高。你可能已经习惯用pd.read_csv()读表格、用plt.imshow()显示图片但真正到保存结果这一步不少人会踩到一个反直觉的坑直接调用plt.savefig(./66.png)生成的图片文件打开后是空白的。原因不在保存逻辑而在于 Jupyter 对 matplotlib 图形对象的生命周期管理和普通 Python 脚本不一样。这篇文章围绕 Jupyter 里“读文件、读图片、导出文件、导出图片”这条链路把每一环节的 API 选择、参数含义和状态机制拆开讲清楚并给出可直接复制的代码。适合数据分析和机器学习从业者尤其是经常在 Notebook 里做可视化、需要把中间结果落盘的人。2. 用 pandas 读文件read_csv 的正确打开方式2.1 从 read_csv 说起最小可运行代码先看最基础的用法。在 Jupyter 单元格里执行下面的代码会把当前工作目录下的test.csv读入内存生成一个DataFrameimport pandas as pd data pd.read_csv(./test.csv) data.head()read_csv()的返回类型是pandas.core.frame.DataFrame。head()的作用是显示前 5 行方便在 Notebook 里快速预览数据形态。这里有一个容易忽略的点read_csv()默认把第一行当作列名如果你的 CSV 没有表头要显式传入headerNone否则第一行数据会被当成字段名后续分析全部错位。2.2 参数表哪些参数在实战中必须关注read_csv()参数有几十个但实际项目中高频使用的就那么几个。下面这张表列出的都是我在真实数据文件上验证过的配置项按使用频率排序参数默认值作用典型场景filepath_or_buffer无文件路径或 URL本地相对路径、绝对路径、HTTP 链接sep,分隔符制表符用\t分号用;headerinfer指定表头行无表头时设Noneencodingutf-8文件编码Windows 下常见gbk/gb2312dtypeNone指定列数据类型防止 ID 列被读成数值parse_datesFalse自动解析日期列时间序列分析usecolsNone只读指定列大文件减少内存占用nrowsNone只读前 N 行快速探查数据补充一个常见的坑读含中文的 CSV 文件时如果直接pd.read_csv报UnicodeDecodeError优先试encodinggbk。这不只是 Windows 的问题从 Excel 导出的 CSV 在 macOS 上也可能保存为gbk或gb18030编码报错后不要急着改数据先换编码参数。2.3 大文件读取与内存控制对于几百 MB 甚至上 GB 的 CSV直接read_csv()会把整个文件加载进内存容易把 Notebook 内核撑爆。常见的做法是分块读取配合usecols只加载需要的列chunk_iter pd.read_csv( ./large_data.csv, usecols[user_id, click_time, item_id], dtype{user_id: int32, item_id: int32}, chunksize50000 ) result [] for chunk in chunk_iter: # 按块做聚合再合并结果 result.append(chunk.groupby(user_id)[click_time].count()) summary pd.concat(result).groupby(level0).sum()这里chunksize50000表示每次迭代只处理 5 万行内存占用被控制在一个稳定值处理完一个 chunk 后内存会被回收。dtype显式指定为int32相比默认的int64能省一半内存。需要注意分块聚合后要用groupby(level0).sum()再做一次汇总因为同一个user_id可能分散在不同 chunk 里。提示Jupyter 单元格执行后没有任何反应先检查是不是文件路径写错了。read_csv(./test.csv)中的./是相对当前工作目录的路径。在 Notebook 里用!pwd查看当前工作目录!ls查看目录下文件比反复猜测路径更高效。3. 读取图片imread 与 imshow 的分工3.1 imread 返回的是什么matplotlib.pyplot.imread()用于读取图片文件返回值是一个 NumPy 数组。对于一张彩色图片数组的 shape 是(高度, 宽度, 通道数)数据类型通常是uint8取值范围 0 到 255。对于灰度图shape 是(高度, 宽度)没有通道维度。下面用代码验证import matplotlib.pyplot as plt img plt.imread(./d.jpg) print(type(img)) # class numpy.ndarray print(img.shape) # 例如 (1080, 1920, 3) print(img.dtype) # uint8这里imread()只做“读取”并不负责“显示”。如果你只执行上面的代码Notebook 单元格里只会显示ndarray的类型信息不会弹出图片。要看到图片内容必须用plt.imshow(img)。3.2 显示图片与图像数据的关系plt.imshow(img) plt.axis(off) # 关闭坐标轴否则会显示 x/y 轴刻度 plt.show()imshow()接收的数组必须是合法的图像数据。如果用plt.imread()读取数据类型天然合法。但如果你自己用 NumPy 生成数组再显示要注意两个细节第一dtype必须是uint8或float范围 0 到 1否则颜色会异常第二RGB 三通道的顺序不能乱matplotlib要求通道顺序是 R红、G绿、B蓝如果你用 OpenCV 读取图片得到的是 BGR 顺序直接imshow()会导致红蓝通道互换。3.3 生成测试图绕开外部文件依赖有时候你手头没有现成的图片文件但又想测试图像处理流程。一个可靠的方式是用np.random.randint()生成一张噪声图import numpy as np s np.random.randint(0, 255, (300, 400, 3), dtypenp.uint8) img_shape s.shape print(f生成的图像尺寸: {img_shape[1]} x {img_shape[0]}, 通道数: {img_shape[2]})这里的关键参数是(300, 400, 3)300 是高度400 是宽度3 是 RGB 通道数。dtypenp.uint8把灰度范围限制在 0-255这样imshow()不需要额外做数据转换。很多图像处理任务想快速验证算法逻辑用这种噪声图比反复找真实图片更高效因为像素值完全可控。注意np.random.randint生成的是随机噪声不是自然图像。如果你拿它测试边缘检测、目标识别等算法结果没有参考意义只适合验证“数据格式是否正确 显示流程是否跑通”。4. 导出图片savefig 空白之谜与 gcf() 解决方案4.1 为什么直接 plt.savefig 会生成空白图这是整篇文章的核心问题。下面的代码几乎所有初学者都写过plt.imshow(s) plt.savefig(./save.png) # 生成的文件是空白的现象是Notebook 里图片显示正常但保存到磁盘的save.png打开后是纯白或纯透明。原因在于 matplotlib 的绘图状态机制plt.savefig()保存的是“当前 figure 对象”但在 Jupyter 中如果使用了%matplotlib inlineNotebook 的显示机制会在单元格结束时自动关闭当前 figure并把画布内容渲染到输出区域。当你调用plt.savefig()时虽然执行顺序在显示之前但实际的 figure 状态可能已经被 Jupyter 的后端干扰了。这个问题的本质是plt.savefig()是 pyplot 接口的一个快捷方式它内部隐含获取“当前 figure”。在 Jupyter 的交互式环境下“当前 figure”的指向并不总是你刚画完的那一个。解决思路是显式地拿到 figure 对象的引用再调用该对象的savefig()方法。4.2 用 gcf() 获取当前图形对象import matplotlib.pyplot as plt import numpy as np # 生成一张测试图 s np.random.randint(0, 255, (300, 400, 3), dtypenp.uint8) # gcf: Get Current Figure获取当前图形对象 fig plt.gcf() plt.imshow(s) plt.axis(off) # 调用 figure 对象的 savefig 方法 fig.savefig(./output.png, dpi150, bbox_inchestight)执行这段代码后会生成一个非空白的output.png。核心是plt.gcf()这一行它返回 matplotlib 内部维护的“当前 figure”对象后续的fig.savefig()保存的就是这个对象。相比plt.savefig()这种方式明确指定了操作对象绕开了 Jupyter 对 pyplot 全局状态的干扰。dpi150控制输出分辨率数值越大图片越清晰但文件体积也越大。bbox_inchestight是另一个常用参数它会自动裁剪图片周围的空白区域保证保存的内容紧贴图像边界。如果不设置这个参数保存的图片四周会有大块白边。4.3 保存参数对比表参数默认值作用建议dpifigure.dpi默认 100输出分辨率印刷需求设 300屏幕展示 150 足够bbox_inchesNone是否裁剪空白区域常用tight所见即所得transparentFalse是否透明背景在网页嵌入时用到format由扩展名推断强制保存格式png、jpg、pdf、svgfacecolorwhite画布背景色设none可配合透明背景一个容易被忽略的点是fig.savefig()支持的文件格式取决于文件扩展名。你写成./output.png就保存为 PNG写成./output.jpg就保存为 JPEG。Jupyter 场景下 PNG 是首选因为 JPEG 不支持透明通道且会有压缩痕迹。如果你要插入 LaTeX 或 Word 文档保存为 PDF 或 SVG 是矢量格式放大不失真。4.4 在绘图场景中的 gcf() 用法plt.imshow()只是显示图片更常见的组合是先画一条曲线再保存。比如画一个折线图import numpy as np import matplotlib.pyplot as plt x np.linspace(0, 10, 100) y np.sin(x) fig plt.gcf() # 先获取 figure再画图 plt.plot(x, y, labelsin(x)) plt.xlabel(x) plt.ylabel(y) plt.legend() fig.savefig(./curve.png, dpi200, bbox_inchestight)注意这里获取fig的时机放在plt.plot()之前。原因在于plt.gcf()返回的永远是当前活跃的 figure如果你的 Notebook 之前已经画过图且没有关闭 figuregcf()可能返回的是旧的图形对象导致新画的曲线被加到了旧 figure 上。先获取再绘图可以保证fig和后面的绘图操作属于同一个对象。4.5 批量导出多张图片时的对象隔离实际项目中经常要在循环里生成多张图表。如果每次都调plt.gcf()会发现所有图片都保存在同一个 figure 上。正确的做法是在循环里显式创建新 figureimport os os.makedirs(./figures, exist_okTrue) for i in range(3): fig plt.figure(figsize(6, 4)) data np.random.randn(100) plt.plot(np.cumsum(data), labelfrun-{i}) plt.legend() fig.savefig(f./figures/plot_{i}.png, dpi150) plt.close(fig) # 显式关闭释放内存plt.figure(figsize(6, 4))创建了一个独立的新 figurefigsize控制图片尺寸英寸。循环结束后用plt.close(fig)关闭当前 figure这一步很重要否则内存会被持续占用Notebook 长时间运行会越来越卡。os.makedirs(./figures, exist_okTrue)的作用是自动创建输出目录避免因为目录不存在而保存失败。提示如果保存路径中包含中文或特殊字符建议在代码文件头部加# -*- coding: utf-8 -*-某些系统下savefig会因为路径编码问题抛出OSError。5. 让 Notebook 输出多个结果ast_node_interactivity 与图片处理扩展5.1 默认行为只显示最后一个表达式Jupyter Notebook 的默认配置是每个单元格只显示最后一个表达式的返回值。比如下面的代码1 1 2 2 3 3执行后只会在单元格下方显示6前面的2和4不会显示。这在数据探索阶段很烦人因为你可能想同时看到多个变量的值被迫用print()逐行输出代码显得很冗余。5.2 InteractiveShell 的分行显示设置通过修改 IPython 的交互模式可以让所有表达式的输出都显示出来from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity allast_node_interactivity是 IPython 的一个配置项默认值是last_expr只显示最后一个表达式改为all后单元格内所有表达式的返回值都会被渲染。设置后下面这段代码会同时显示三个数字1 1 2 2 3 3输出区域会依次显示2、4、6。这对数据探索、模型评估时查看多个指标非常有用。注意这个设置只对当前 Notebook 会话生效重启内核后需要重新执行一次。如果你希望所有 Notebook 都默认开启需要修改 IPython 配置文件但在团队协作场景下不建议这么改因为不同成员的配置不一致会导致“别人跑不出来同样的结果”。5.3 多张图片同时显示的实现方式ast_node_interactivityall对图片同样有效。执行下面的代码单元格下方会一次性显示三张图import matplotlib.pyplot as plt import numpy as np fig1, ax1 plt.subplots() ax1.imshow(np.random.randint(0, 255, (100, 100, 3), dtypenp.uint8)) fig2, ax2 plt.subplots() ax2.imshow(np.random.randint(0, 255, (100, 100, 3), dtypenp.uint8)) fig3, ax3 plt.subplots() ax3.imshow(np.random.randint(0, 255, (100, 100, 3), dtypenp.uint8))这里用了plt.subplots()它返回一个元组(fig, ax)其中fig是 Figure 对象ax是 Axes 对象坐标轴区域。如果不用plt.subplots()而是直接plt.figure()在同一个单元格里画多张图输出区域通常只会显示最后一个 figure。subplots()显式创建了三个独立的fig配合ast_node_interactivityall三个 figure 都会作为独立的输出对象显示。5.4 实际项目中的落地技巧结合前四章的内容一个完整的“读文件 → 处理 → 导出图片 → 多结果展示”流程可以这样组织import numpy as np import pandas as pd import matplotlib.pyplot as plt from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity all # 1. 读取数据 df pd.read_csv(./test.csv, encodingutf-8) # 2. 提取一列作为纵轴数据构造横轴索引 y df[value].to_numpy() x np.arange(len(y)) # 3. 画图并保存 fig plt.gcf() plt.plot(x, y) plt.xlabel(index) plt.ylabel(value) plt.title(data overview) fig.savefig(./data_overview.png, dpi150, bbox_inchestight) # 4. 同时输出数据摘要和图片一次看全 print(f数据行数: {len(df)}) print(f缺失值统计:\n{df.isnull().sum()}) df.describe()这个单元格把前三章的技能串成了完整的分析链路。df[value].to_numpy()将 pandas 的 Series 转成 NumPy 数组转成 ndarray 后可以配合np.arange生成横轴索引。df.describe()在设置了ast_node_interactivityall后会直接显示统计结果不需要额外加print()。保存图片的代码被放在describe()之前确保fig对象在绘图后立即落盘避免最后单元格里的其他输出干扰 matplotlib 的图形状态。如果图片保存后仍然空白可以用下面的代码做一次快速诊断import os file_path ./data_overview.png print(f文件是否存在: {os.path.exists(file_path)}) print(f文件大小: {os.path.getsize(file_path)} 字节)文件存在但大小为 0 字节说明savefig()没有正确写入数据优先检查fig plt.gcf()是否放在了绘图命令之前。文件完全不存在检查输出目录是否有写权限用os.makedirs(./output, exist_okTrue)创建目录后再保存。本文还有配套的精品资源点击获取