如何快速绘制数千个圆圈？

Question

我正在尝试绘制几个(数千个)圆形对象 - 我没有太多使用python的经验.我有兴趣指定位置,半径和颜色.有没有更有效的方法来实现相同的结果？:

import matplotlib.pyplot as plt

xvals = [0,.1,.2,.3]
yvals = [0,.1,.2,.3]
rvals = [0,.1,.1,.1]

c1vals = [0,.1,0..1]
c2vals = [.1,0,.1,0]
c3vals = [.1,.1,.1,.1]

for q in range(0,4):
    circle1=plt.Circle((xvals[q], yvals[q]), rvals[q], color=[0,0,0])
    plt.gcf().gca().add_artist(circle1)

Answer 1

这里的关键是使用a Collection.在你的情况下,你想做一个PatchCollection.

Matplotlib通过使用集合优化绘制许多类似的艺术家.它比单独绘制每一个要快得多.此外,该剧情不会包含数千名个人艺术家,只有一个系列.这加速了每次绘制绘图时需要对每个艺术家进行操作的许多其他杂项操作.

scatter实际上是多比你目前的方法快,因为它会增加一个集合,而不是独立的艺术家.但是,它还会绘制尺寸不在数据坐标中的标记.

要解决这个问题,您可以使用相同的方法scatter,但手动创建集合.

举个例子:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.collections

num = 5000
sizes = 0.2 * np.random.random(num)
xy = 50 * np.random.random((num, 2))

# Note that the patches won't be added to the axes, instead a collection will
patches = [plt.Circle(center, size) for center, size in zip(xy, sizes)]

fig, ax = plt.subplots()

coll = matplotlib.collections.PatchCollection(patches, facecolors='black')
ax.add_collection(coll)

ax.margins(0.01)
plt.show()

这对我来说非常顺利.只是为了证明圆圈在数据坐标中,请注意如果我们放大一个窄矩形会发生什么(注意:这假设绘图的方面设置为auto):

如果你真的专注于速度,你可以使用EllipseCollectionas @tcaswell建议.

一个EllipseCollection只会生成一个路径,但会缩放并在绘制时将其转换为您指定的位置/大小.

缺点是虽然大小可以在数据坐标中,但圆圈将始终为圆形,即使绘图的纵横比不是1.(即圆圈不会像上图中那样拉伸) .

它的优点是速度快.

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.collections

num = 5000
sizes = 0.4 * np.random.random(num)
xy = 50 * np.random.random((num, 2))

fig, ax = plt.subplots()

coll = matplotlib.collections.EllipseCollection(sizes, sizes,
                                                np.zeros_like(sizes),
                                                offsets=xy, units='x',
                                                transOffset=ax.transData,
                                                **kwargs)
ax.add_collection(coll)
ax.margins(0.01)
plt.show()

当我们放大与第二个数字相似的区域时,请注意差异.圆圈变大(尺寸在数据坐标中),但保持圆圈而不是变长.它们不是"数据"空间中圆圈的精确表示.

为了对时差有所了解,现在是时候用三种方法中的每一种创建和绘制具有相同5000个圆圈的图形:

In [5]: %timeit time_plotting(circles)
1 loops, best of 3: 3.84 s per loop

In [6]: %timeit time_plotting(patch_collection)
1 loops, best of 3: 1.37 s per loop

In [7]: %timeit time_plotting(ellipse_collection)
1 loops, best of 3: 228 ms per loop