Question

我正在某些地理数据上运行梯度下降算法。目标是为不同的集群分配不同的区域，以最大限度地减少某些目标函数。我正在尝试制作一部简短的电影，展示算法的进展情况。现在我的方法是在每一步绘制地图，然后使用其他一些工具从所有静态图像制作一个小电影（非常简单）。但是，我有大约3000个区域要绘制，并且plot命令需要90秒或更长时间才能运行，这会杀死我的算法。

有一些明显的快捷方式：每第N次迭代保存图像，保存列表中的所有步骤并在结尾处制作所有图像（可能是并行）。这一切都很好，但最终我的目标是一些交互式功能，用户可以放入一些参数并看到他们的地图实时汇聚。在这种情况下，似乎在运行时更新地图是最好的。

有什么想法吗？这是基本命令（使用最新的开发版本的geopandas）

fig, ax = plt.subplots(1,1, figsize=(7,5))
geo_data.plot(column='cluster',ax=ax, cmap='gist_rainbow',linewidth=0)
fig.savefig(filename, bbox_inches='tight', dpi=400)

还尝试了类似于以下的内容（下面是缩写版本）。我打开一个图，并在每次迭代时更改并保存。似乎没有加快速度。

fig, ax = plt.subplots(1,1, figsize=(7,5))
plot = geo_data.plot(ax=ax)
for iter in range(100): #just doing 100 iterations now
    clusters = get_clusters(...)
    for i_d, district in  enumerate(plot.patches):
        if cluster[i] == 1
            district.set_color("#FF0000")
        else:
            district.set_color("#d3d3d3")
    fig.savefig('test'+str(iter)+'.pdf')

更新：看看来自real-time plotting in while loop with matplotlib的drawow和其他指针，但shapefile似乎太大/笨重，无法实时工作。

Answer 1

我认为两个方面可能会提高性能：1）使用matplotlib集合（当前的geopandas实现分别绘制每个多边形）和2）只更新多边形的颜色而不是每次迭代再次绘制它（这个你已经这样做了，但是使用集合会更加简单。）

1）使用matplotlib集合绘制多边形

这是一个更有效的绘图功能的可能实现，使用geopandas绘制GeoSeries of Polygons：

from matplotlib.collections import PatchCollection
from matplotlib.patches import Polygon
import shapely

def plot_polygon_collection(ax, geoms, values=None, colormap='Set1',  facecolor=None, edgecolor=None,
                            alpha=0.5, linewidth=1.0, **kwargs):
    """ Plot a collection of Polygon geometries """
    patches = []

    for poly in geoms:

        a = np.asarray(poly.exterior)
        if poly.has_z:
            poly = shapely.geometry.Polygon(zip(*poly.exterior.xy))

        patches.append(Polygon(a))

    patches = PatchCollection(patches, facecolor=facecolor, linewidth=linewidth, edgecolor=edgecolor, alpha=alpha, **kwargs)

    if values is not None:
        patches.set_array(values)
        patches.set_cmap(colormap)

    ax.add_collection(patches, autolim=True)
    ax.autoscale_view()
    return patches

这比当前的geopandas绘图方法快10倍。

2）更新多边形的颜色

获得图形后，可以使用set_array方法一步完成更新多边形集合的颜色，其中数组中的值表示颜色（根据颜色转换为颜色）颜色映射）

E.g。（考虑s_poly带有多边形的GeoSeries）：

fig, ax = plt.subplots(subplot_kw=dict(aspect='equal'))
col = plot_polygon_collection(ax, s_poly.geometry)
# update the color
col.set_array( ... )

包含一些虚拟数据的完整示例：

from shapely.geometry import Polygon

p1 = Polygon([(0, 0), (1, 0), (1, 1)])
p2 = Polygon([(2, 0), (3, 0), (3, 1), (2, 1)])
p3 = Polygon([(1, 1), (2, 1), (2, 2), (1, 2)])
s = geopandas.GeoSeries([p1, p2, p3])

绘制图：

fig, ax = plt.subplots(subplot_kw=dict(aspect='equal'))
col = plot_polygon_collection(ax, s.geometry)

给出：

然后使用指示聚类的数组更新颜色：

col.set_array(np.array([0,1,0]))

给出

GeoPandas密谋 - 任何加快速度的方法？

1 个答案: