在Matplotlib中，可以使用A绘制一个非常长的数组rasterize=True，如下所示：
plt.plot(A, rasterise=True)
这通常会降低内存使用量。
在Seaborn sns.distplot（见http://seaborn.pydata.org/generated/seaborn.distplot.html）的支撑轴上绘制 rugplot 时，可以这样做吗？实际上，这样的rugplot也可以包含许多点并且消耗大量内存。
编辑： 正如下面的答案中所注意到的，这并没有降低内存RAM消耗，但我们将文件格式保存为pdf格式，可以改变（即减少甚至增加，在某些情况下）磁盘上文件的大小。
答案 0 :(得分：2)
Seaborn distplot与许多其他seaborn图一样，允许将关键字参数传递给基础matplotlib函数。
在这种情况下，distplot有一个关键字参数rug_kws，它接受要传递给rugplot的关键字参数字典。这些又被转移到底层的matplotlib axvline函数。
因此，您可以通过
轻松地向rasterized=True提供axvline
ax = sns.distplot(x, rug=True, hist=False, rug_kws=dict(rasterized=True))
但是，我不确定这是否具有降低内存消耗的预期效果。一般情况下，保存图形时会应用光栅化，因此屏幕上显示的图表根本不会受到影响 在保存过程中，必须应用光栅化，这比没有光栅化需要更多的时间和内存。
虽然像png这样的位图文件完全被光栅化并且根本不会受到影响，但生成的矢量文件（如pdf，eps或svg）甚至可能具有比未编译的对应文件更大的文件大小。 然后光栅化只会在实际打开这样的文件（例如观察者中的pdf）或处理它（例如在乳胶中）时获得回报，其中光栅化部分消耗更少的内存并允许在屏幕上更快地呈现或打印。