性能#

无论是在交互模式下探索数据还是以编程方式保存大量绘图，渲染性能都可能成为管道中具有挑战性的瓶颈。Matplotlib 提供了多种方法来大大减少渲染时间，但代价是您的绘图外观略有变化（至可设置的容差）。可用于减少渲染时间的方法取决于正在创建的绘图类型。

线段简化#

对于具有线段的绘图（例如典型的线图、多边形的轮廓等），渲染性能可以通过 rcParams["path.simplify"]（默认值：）True和rcParams["path.simplify_threshold"]（默认值：）来控制0.111111111111，可以在matplotlibrc文件中定义（参见使用样式自定义 Matplotlib表和 rcParams以获取有关该matplotlibrc文件的更多信息）。rcParams["path.simplify"]（默认True值：）是一个布尔值，指示线段是否被简化。 rcParams["path.simplify_threshold"]（默认值0.111111111111：）控制简化多少线段；更高的阈值导致更快的渲染。

下面的脚本会先显示不做任何简化的数据，然后再简化显示相同的数据。尝试与他们两个互动：

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

# Setup, and create the data to plot
y = np.random.rand(100000)
y[50000:] *= 2
y[np.geomspace(10, 50000, 400).astype(int)] = -1
mpl.rcParams['path.simplify'] = True

mpl.rcParams['path.simplify_threshold'] = 0.0
plt.plot(y)
plt.show()

mpl.rcParams['path.simplify_threshold'] = 1.0
plt.plot(y)
plt.show()

Matplotlib 目前默认为保守的简化阈值1/9. 要更改默认设置以使用不同的值，请更改matplotlibrc文件。或者，用户可以创建一种用于交互式绘图的新样式（最大限度地简化）和另一种用于出版质量绘图的样式（尽量简化）并在必要时激活它们。有关如何执行这些操作的说明，请参阅使用样式表和 rcParams 自定义 Matplotlib 。

简化通过迭代地将线段合并为单个向量，直到下一条线段与向量的垂直距离（在显示坐标空间中测量）大于path.simplify_threshold参数。

笔记

在 2.1 版中进行了与如何简化线段相关的更改。在 2.1 之前，这些参数仍会改善渲染时间，但在 2.1 及更高版本中，某些类型的数据的渲染时间将大大改善。

标记子采样#

标记也可以简化，尽管不如线段稳健。标记子采样仅适用于Line2D对象（通过markevery属性）。无论在哪里Line2D传递构造参数，例如pyplot.plotand Axes.plot，markevery都可以使用该参数：

plt.plot(x, y, markevery=10)

该markevery参数允许进行简单的二次采样，或尝试均匀间隔（沿x轴）采样。有关更多信息，请参阅 Markevery 演示。

将行分割成更小的块#

如果您使用的是 Agg 后端（请参阅什么是后端？），那么您可以使用rcParams["agg.path.chunksize"](default: 0) 这允许用户指定块大小，并且任何大于该顶点数的行将被拆分为多行，每个agg.path.chunksize 顶点的数量不超过多个。（除非agg.path.chunksize为零，在这种情况下没有分块。）对于某些类型的数据，将行分块成合理的大小可以大大减少渲染时间。

以下脚本将首先显示没有任何块大小限制的数据，然后显示块大小为 10,000 的相同数据。当数字很大时，可以最好地看到差异，尝试最大化 GUI，然后与它们交互：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
mpl.rcParams['path.simplify_threshold'] = 1.0

# Setup, and create the data to plot
y = np.random.rand(100000)
y[50000:] *= 2
y[np.geomspace(10, 50000, 400).astype(int)] = -1
mpl.rcParams['path.simplify'] = True

mpl.rcParams['agg.path.chunksize'] = 0
plt.plot(y)
plt.show()

mpl.rcParams['agg.path.chunksize'] = 10000
plt.plot(y)
plt.show()

传说#

坐标区的默认图例行为会尝试查找覆盖最少数据点 ( loc='best') 的位置。如果有很多数据点，这可能是一个非常昂贵的计算。在这种情况下，您可能需要提供特定位置。

使用快速风格#

快速样式可用于自动将简化和分块参数设置为合理设置，以加快绘制大量数据的速度。以下代码运行它：

import matplotlib.style as mplstyle
mplstyle.use('fast')

它非常轻巧，因此可以很好地与其他样式搭配使用。确保最后应用快速样式，以便其他样式不会覆盖设置：

mplstyle.use(['dark_background', 'ggplot', 'fast'])