我在一个数组中绘制了大约 10,000 个项目。它们具有大约 1,000 个唯一值。
绘图已经进行了半个小时。我确保其余代码都能正常工作。
有这么慢吗？这是我第一次用 pyplot 绘制直方图。
【问题讨论】：
标签： python matplotlib histogram
对我来说，问题在于 pd.Series 的数据类型，比如 S，是 'object' 而不是 'float64'。我用S = np.float64(S)之后，那么plt.hist(S)就很快了。
【讨论】：
pandas.Series类型的正确方法是使用.astype()：S.astype('float64')
由于几个答案已经提到了pandas.hist() 的缓慢问题，请注意这可能是由于处理非数字数据所致。一个使用value_counts()轻松解决的问题：
df['colour'].value_counts().plot(kind='bar')
【讨论】：
我在使用 Pandas .hist() 方法时遇到了同样的问题。对我来说，解决方案是：
pd.to_numeric(df['your_data']).hist()
立即生效。
【讨论】：
如果您使用的是 pandas，请确保您在 plt.hist() 中传递的数据是一维序列而不是数据框。这帮助了我。
【讨论】：
任何遇到我遇到的问题的人 - （这完全是我的错:)）
如果您处理的是数字，请确保在从 CSV 读取数据时，您的数据类型是 int/float，而不是 string。
values_arr = .... .flatten().astype('float')
【讨论】：
对我来说，在调用 hist 之后调用 figure.canvas.draw() 会立即更新，即 hist 实际上很快（在计时之后发现），但是在更新图形之前有几秒钟的延迟。我在 jupyter 实验室单元（qt5 后端）的 matplotlib 回调中调用 hist。
【讨论】：
在展平 numpy 数组后立即绘制直方图。试试下面的演示代码：
import numpy as np
array2d = np.random.random_sample((512,512))*100
plt.hist(array2d.flatten())
plt.hist(array2d.flatten(), bins=1000)
【讨论】：
array2d.flatten() 确实会导致将直方图绘制为一个。解决方法是分别添加每一列。
在代码中的某处导入seaborn 可能会导致pyplot.hist 需要很长时间。
如果是seaborn问题，可以通过重置matplotlib设置来解决：
import seaborn as sns
sns.reset_orig()
【讨论】：
要使用 matplotlib 快速绘制直方图，您需要将 histtype='step' 参数传递给 pyplot.hist。例如：
plt.hist(np.random.exponential(size=1000000,bins=10000))
plt.show()
当您平移或缩放时，绘制大约需要 15 秒，更新大约需要 5-10 秒。
相比之下，用histtype='step'绘图：
plt.hist(np.random.exponential(size=1000000),bins=10000,histtype='step')
plt.show()
几乎立即绘图，并且可以无延迟地平移和缩放。
【讨论】：