matplotlib：创建大量面片对象的有效方法

Question

我有一些Python代码，它使用matplotlib从一些海洋模型数据中绘制大量非规则多边形。在

我通过创建4个numpy数组（N，2）来定义每个面片的角，其中N是一个很大的数字（比如500000）

然后为每个角点集创建matplotlib Patch对象并将其添加到列表中。最后，我从补丁列表中创建matplotlib PatchCollection对象。在

问题是补丁生成速度很慢，因为它处于for循环中。我一直在想办法用裸体广播来加速这个过程，但没法完全破解它。在

下面是一些示例代码，带有一个小的测试数据集（显然运行起来很快）。在

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


# Cell lat/lon centers:
lons = np.array([ 323.811,  323.854,  323.811,  323.723, 324.162,  324.206,  323.723,  324.162, 323.635,  323.679])
lats = np.array([-54.887, -54.887, -54.858, -54.829, -54.829, -54.829, -54.799, -54.799, -54.770, -54.770])

# Cell size scaling factors:
cx = np.array([1,1,1,2,2,2,4,1,2,1]) 
cy = np.array([1,1,1,1,2,2,2,1,2,1])

# Smallest cell sizes:
min_dlon = 0.0439453  
min_dlat = 0.0292969 

# Calculate cell sizes based on cell scaling factor and smallest cell size
dlon = cx * min_dlon
dlat = cy * min_dlat

# calculate cell extnets....
x1 = lons - 0.5 * dlon
x2 = lons + 0.5 * dlon
y1 = lats - 0.5 * dlat
y2 = lats + 0.5 * dlat

# ... and corners
c1 = np.array([x1,y1]).T
c2 = np.array([x2,y1]).T
c3 = np.array([x2,y2]).T
c4 = np.array([x1,y2]).T

# Now loop over cells and create Patch objects from the cell corners.
# This is the bottleneck as it using a slow Python loop instead of 
# fast numpy broadcasting. How can I speed this up?
ncel = np.alen(lons)
patches = []
for i in np.arange(ncel):
    verts = np.vstack([c1[i], c2[i], c3[i], c4[i]])
    p = plt.Polygon(verts)
    patches.append(p)

# Create patch collection from list of Patches
p = PatchCollection(patches, match_original=True)

我有没有办法加快速度？在

Answer 1

用matplolib.collections创建集合，而不是创建每个多边形（或面片）呢？ 请看下面的示例：http://matplotlib.org/examples/api/collections_demo.html

并阅读matplotlib文档：http://matplotlib.org/api/collections_api.html?highlight=polycollection#matplotlib.collections.PolyCollection

此示例代码添加200000个多边形，持续约10秒：

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

npol, nvrts = 200000, 5
cnts = 100 * (np.random.random((npol,2)) - 0.5)
offs = 10 * (np.random.random((nvrts,npol,2)) - 0.5)
vrts = cnts + offs
vrts = np.swapaxes(vrts, 0, 1)
z = np.random.random(npol) * 500

fig, ax = plt.subplots()
coll = PolyCollection(vrts, array=z, cmap=matplotlib.cm.jet)
ax.add_collection(coll)
ax.autoscale()
plt.show()

Answer 2

patches也可以通过以下方式创建：

cc=np.stack((c1,c2,c3,c4),1)
patches = [plt.Polygon(verts) for verts in cc]

这仍然涉及一个循环，但是会将堆栈移出循环（np.stack是新函数；如果您的版本没有它，我可以重写它）。在

我不知道这是否能节省很多时间。在