Question

我正在使用matplotlib创建一个包含许多小子图（如4行，8列）的图形。我已经尝试了几种不同的方法，而且我能用matplotlib来制作轴的最快速度是~2秒。我看到this post关于仅使用一个轴对象来显示许多小图像，但我希望能够在轴上有刻度和标题。有没有办法加速这个过程，或者在matplotlib中制作轴只需要相当长的时间？

这是我到目前为止所尝试的内容：

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
import time

fig = plt.figure(figsize=(10,6))

plt.clf(); t = time.time()
grid = ImageGrid(fig, 111, 
                nrows_ncols = (4, 8))
print 'Time using ImageGrid: %.2f seconds'%(time.time()-t)

plt.clf(); t = time.time()
axes = plt.subplots(4,8)
print 'Time using plt.subplots: %.2f seconds'%(time.time()-t)

plt.clf(); t = time.time()
axes = []
for row in range(0,4):
    for col in range(1,9):
        ax = plt.subplot(4,8,row*8+col)
        axes.append(ax)
print 'Time using ptl.subplot loop: %.2f seconds'%(time.time()-t)

输出：

Time using ImageGrid: 4.25 seconds
Time using plt.subplots: 2.11 seconds
Time using ptl.subplot loop: 2.34 seconds

考虑到Joe Kington的建议，我试图挑选图形和轴，以便每次运行脚本时至少不需要创建它们。但是，加载文件实际上需要更长时间：

import matplotlib.pyplot as plt
import pickle
import time

t = time.time()
fig,axes = plt.subplots(4,8,figsize=(10,6))
print 'Time using plt.subplots: %.2f seconds'%(time.time()-t)

pickle.dump((fig,axes),open('fig.p','wb'))

t = time.time()
fig,axes = pickle.load(open('fig.p','rb'))

print 'Time to load pickled figure: %.2f seconds'%(time.time()-t)

输出：

Time using plt.subplots: 2.01 seconds
Time to load pickled figure: 3.09 seconds

Answer 1

你不会以任何实质数额击败subplots。创建新轴是一项相当昂贵的操作，每次创建32个。但它只做了一次。

创造一个新的数字和轴真的是你的瓶颈吗？如果是这样，你可能做错了。

如果您正在尝试创建动画，只需更新艺术家（例如image.set_data等）并重新绘制，而不是每次都制作新的图形和轴。

（另外，axes = plt.subplots(4, 8)不正确。axes将是一个元组，而不是你当前编写的一系列轴对象。subplots返回一个图形实例和一个数组轴。它应该是fig, axes = plt.subplots(...)。）

只是为了扩展我在下面关于酸洗的评论：

当您更改不相关的参数时，缓存“昂贵”的结果通常很方便。这在科学“脚本”中尤为常见，在这些“脚本”中，您通常会有一些相当慢的数据解析或中间计算以及一组相关的参数，您可以半交互式“调整”。

仅仅评论几行并明确保存/加载腌制结果没有任何问题。

然而，我发现保持装饰器可以自动执行此操作。在许多情况下，有更好的方法可以做到这一点，但对于一个通用的解决方案，它非常方便：

import os
import cPickle as pickle
from functools import wraps

class Cached(object):
    def __init__(self, filename):
        self.filename = filename

    def __call__(self, func):
        @wraps(func)
        def new_func(*args, **kwargs):
            if not os.path.exists(self.filename):
                results = func(*args, **kwargs)
                with open(self.filename, 'w') as outfile:
                    pickle.dump(results, outfile, pickle.HIGHEST_PROTOCOL)
            else:
                with open(self.filename, 'r') as infile:
                    results = pickle.load(infile)
            return results
        return new_func

然后你可以做一些像（假设上面的类在utilities.py中）：

import matplotlib.pyplot as plt
from utilities import Cached

@Cached('temp.pkl')
def setup():
    fig, axes = plt.subplots(8, 4)
    # And perhaps some other data parsing/whatever
    return fig, axes

fig, axes = setup()
for ax in axes.flat:
    ax.plot(range(10))
plt.show()

只有在给定文件名（"temp.pkl"）不存在的情况下才会运行修饰函数，否则将加载存储在temp.pkl中的缓存结果。这适用于任何可以腌制的东西，而不仅仅是matplotlib数据。

但是，请小心使用已保存的状态。如果您更改了setup所做的并重新运行，则会返回“旧”结果！如果更改包装函数的功能，请务必手动删除缓存的文件。

当然，如果你只是在一个地方做这件事，那就太过分了。如果您发现自己经常缓存中间结果，那么它可以很方便。

Matplotlib - 创建许多子图的快速方法？

1 个答案: