matplotlib主要显示密集数据集的问题

Question

我在使用matplotlib和Python时遇到了一个相当严重的问题。我有一个密集的周期图数据集，想要绘制它。问题是，当像素上绘制的数据点多于可以绘制的数据点时，包不会选择要显示的最小值和最大值。这意味着随意看一下情节可能会导致错误的结论。

以下是此类问题的一个示例：

数据集的绘制时覆盖了plot()和scatter()。您可以看到，在密集数据字段中，连接数据的蓝线未达到实际峰值，导致人类观察者在最大值处达到最大峰值，而实际上并非如此。

如果放大或强制使用宽视图窗口，则会正确显示。 rasterize和aa个关键字对此问题没有影响。

有没有办法确保始终呈现plot()来电的最小/最大分数？否则，需要在matplotlib的更新中解决这个问题。我从未有过这样的情节包，这是一个非常重要的问题。

编辑：

x = numpy.linspace(0,1,2000000)
y = numpy.random.random(x.shape)
y[1000000]=2

plot(x,y)
show()

应该复制问题。虽然它可能取决于您的显示器分辨率。通过拖动窗口并调整其大小，您应该会看到问题所在。一个数据点应该突出y = 2，但并不总是显示。

Answer 1

这是由于matplotlib中的路径简化算法。虽然在某些情况下它肯定是不可取的，但它是加速渲染的故意行为。

简化算法在某些时候被改变以避免跳过“离群值”点，因此mpl的较新版本没有表现出这种确切的行为（尽管路径仍然被简化）。

如果您不想简化路径，则可以在rc参数中禁用它（在.matplotlibrc文件中或在运行时）。

E.g。

import matplotlib as mpl
mpl.rcParams['path.simplify'] = False
import matplotlib.pyplot as plt

然而，使用“信封”风格的情节可能更有意义。作为一个简单的例子：

import matplotlib.pyplot as plt
import numpy as np

def main():
    num = 10000
    x = np.linspace(0, 10, num)
    y = np.cos(x) + 5 * np.random.random(num)

    fig, (ax1, ax2) = plt.subplots(nrows=2)
    ax1.plot(x, y)
    envelope_plot(x, y, winsize=40, ax=ax2)
    plt.show()

def envelope_plot(x, y, winsize, ax=None, fill='gray', color='blue'):
    if ax is None:
        ax = plt.gca()
    # Coarsely chunk the data, discarding the last window if it's not evenly
    # divisible. (Fast and memory-efficient)
    numwin = x.size // winsize
    ywin = y[:winsize * numwin].reshape(-1, winsize)
    xwin = x[:winsize * numwin].reshape(-1, winsize)
    # Find the min, max, and mean within each window 
    ymin = ywin.min(axis=1)
    ymax = ywin.max(axis=1)
    ymean = ywin.mean(axis=1)
    xmean = xwin.mean(axis=1)

    fill_artist = ax.fill_between(xmean, ymin, ymax, color=fill, 
                                  edgecolor='none', alpha=0.5)
    line, = ax.plot(xmean, ymean, color=color, linestyle='-')
    return fill_artist, line

if __name__ == '__main__':
    main()