同一段Jupyter Notebook绘图代码在不同设备输出图像不一致如何排查

可能导致绘图结果不同的常见操作/环境原因 #

• 代码执行不完整：清除内核后没有按顺序执行完整代码，仅运行了部分绘图片段，导致T、F、T_p、F_p等变量使用了缓存的旧值（若此前运行过其他相关代码），甚至出现变量未定义的隐含问题
• 代码内容被改动：复制代码时不小心修改了参数，比如sigma常量的数值、np.arange的起止范围、行星温度的数值等
• 绘图后端配置不同：对方的Jupyter环境没有开启%matplotlib inline内嵌绘图配置，弹出的独立绘图窗口的默认缩放比例、尺寸不同，会导致视觉上的图像差异
• Matplotlib全局配置差异：对方的Anaconda环境中修改过Matplotlib的默认配置（rcParams），包括默认坐标轴范围、线条样式、配色、字体、分辨率等，会导致同一份绘图代码的视觉表现差异
• 画布未手动清空：如果对方在运行当前代码前，同个Notebook里运行过其他绘图代码且操作顺序错误，没有重启内核/清空画布，旧画布残留会导致在原有绘图基础上叠加当前代码的图像
• 依赖包版本差异：双方环境中numpy或matplotlib的大版本不同，部分API默认行为存在差异，比如np.arange的步长默认逻辑、Matplotlib的绘图渲染逻辑变化

排查方法 #

先对比双方运行代码后打印的F_p数值，如果数值不一致，说明是代码执行或参数定义环节出问题；如果数值一致，就属于Matplotlib渲染配置的差异，可在代码开头添加plt.figure()新建空白画布，在代码末尾加plt.xlim(50,800)、plt.ylim(0, max(F)*1.1)手动固定坐标轴范围，消除全局配置带来的影响。

内容的提问来源于stack exchange，提问作者julez