大型matplotlib像素图最佳方法答案

【问题标题】：Large matplotlib pixel figure best approach大型matplotlib像素图最佳方法
【发布时间】：2011-09-13 04:11:15
【问题描述】：

我有一个大型 2D 数据集，我想将每个 X、Y 对关联到一个颜色并用 matplotlib 绘制它。我说的是1000000点。我想知道在性能（速度）方面最好的方法是什么，如果你能指出一些例子

【问题讨论】：

点在规则网格上吗？你想让它们在一个普通的网格上吗？您需要提供更多信息！不过，1e6 的分数并不多。如果这是您想要的，您应该可以使用散点图。图像的 1e6 像素根本不算多，所以如果这些点在规则网格上，那你也没有问题......
另见stackoverflow.com/questions/4082298/…
你看过imshow吗？ matplotlib.sourceforge.net/api/… 您究竟想如何指定 X、Y 对的颜色？您想要每 1e6 个位置都有一个独特的颜色吗？（无法在视觉上区分 1e6 种颜色...）您想将该值映射到颜色条吗？（这是imshow 默认所做的）
我想要一个 bmp 图，其中每个 x,y 对都有一个取决于值的颜色，我会看看你的答案

【解决方案1】：

如果您正在处理常规网格，只需将其视为图像：

import numpy as np
import matplotlib.pyplot as plt

nrows, ncols = 1000, 1000
z = 500 * np.random.random(nrows * ncols).reshape((nrows, ncols))

plt.imshow(z, interpolation='nearest')
plt.colorbar()
plt.show()

如果您有随机排序的 x,y,z 三元组组成一个规则网格，那么您需要对它们进行网格化。

基本上，你可能会有这样的事情：

import numpy as np 
import matplotlib.pyplot as plt

# Generate some data
nrows, ncols = 1000, 1000
xmin, xmax = -32.4, 42.0
ymin, ymax = 78.9, 101.3

dx = (xmax - xmin) / (ncols - 1)
dy = (ymax - ymin) / (ncols - 1)

x = np.linspace(xmin, xmax, ncols)
y = np.linspace(ymin, ymax, nrows)
x, y = np.meshgrid(x, y)

z = np.hypot(x - x.mean(), y - y.mean())
x, y, z = [item.flatten() for item in (x,y,z)]

# Scramble the order of the points so that we can't just simply reshape z
indicies = np.arange(x.size)
np.random.shuffle(indicies)
x, y, z = [item[indicies] for item in (x, y, z)]

# Up until now we've just been generating data...
# Now, x, y, and z probably represent something like you have.

# We need to make a regular grid out of our shuffled x, y, z indicies.
# To do this, we have to know the cellsize (dx & dy) that the grid is on and
# the number of rows and columns in the grid. 

# First we convert our x and y positions to indicies...
idx = np.round((x - x.min()) / dx).astype(np.int)
idy = np.round((y - y.min()) / dy).astype(np.int)

# Then we make an empty 2D grid...
grid = np.zeros((nrows, ncols), dtype=np.float)

# Then we fill the grid with our values:
grid[idy, idx] = z

# And now we plot it:
plt.imshow(grid, interpolation='nearest', 
        extent=(x.min(), x.max(), y.max(), y.min()))
plt.colorbar()
plt.show()

【讨论】：