性能#

无论是在交互模式下探索数据，还是通过编程方式保存大量绘图，渲染性能都可能是您工作流程中一个具有挑战性的瓶颈。Matplotlib 提供了多种方法来大幅缩短渲染时间，但代价是您的绘图外观会略有变化（在可设置的容差范围内）。可用的渲染时间缩短方法取决于正在创建的绘图类型。

线段简化#

对于包含线段的绘图（例如典型的线图、多边形轮廓等），渲染性能可以通过 rcParams["path.simplify"]（默认值：True）和 rcParams["path.simplify_threshold"]（默认值：0.111111111111）进行控制，这些参数可以在例如 matplotlibrc 文件中定义（有关 matplotlibrc 文件的更多信息，请参阅 通过样式表和rc参数自定义Matplotlib）。rcParams["path.simplify"]（默认值：True）是一个布尔值，指示是否对线段进行简化。rcParams["path.simplify_threshold"]（默认值：0.111111111111）控制线段的简化程度；更高的阈值会带来更快的渲染速度。

以下脚本将首先显示未经过任何简化的数据，然后显示经过简化处理的相同数据。尝试与它们进行交互。

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，请修改 matplotlibrc 文件。或者，用户可以为交互式绘图（最大简化）创建一个新样式，并为出版质量绘图（最小简化）创建另一个样式，并根据需要激活它们。有关如何执行这些操作的说明，请参阅 通过样式表和rc参数自定义Matplotlib。

简化工作原理是迭代地将线段合并为一个向量，直到下一个线段到该向量的垂直距离（在显示坐标空间中测量）大于 path.simplify_threshold 参数。

注意

线段简化方式的更改是在 2.1 版本中进行的。在 2.1 版本之前，这些参数仍会改善渲染时间，但在 2.1 及更高版本中，某些类型数据的渲染时间将大幅改善。

标记点子采样#

标记点也可以被简化，尽管不如线段那么健壮。标记点子采样仅适用于 Line2D 对象（通过 markevery 属性）。凡是传递 Line2D 构造参数的地方，例如 pyplot.plot 和 Axes.plot，都可以使用 markevery 参数。

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

参数 markevery 允许进行简单的子采样，或尝试沿 x 轴等距采样。有关更多信息，请参阅 Markevery Demo。

将线分割成更小的块#

如果您正在使用 Agg 后端（请参阅 什么是后端？），那么您可以使用 rcParams["agg.path.chunksize"]（默认值：0）。这允许用户指定一个块大小，任何顶点数量超过此值的线都将被分割成多条线，每条线的顶点数量不超过 agg.path.chunksize。（除非 agg.path.chunksize 为零，此时不进行分块。）对于某些类型的数据，将线分块为合理的大小可以大大减少渲染时间。

以下脚本将首先显示未受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。当图形较大时，差异最明显，尝试最大化 GUI 然后与它们进行交互。

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()

图例#

轴的默认图例行为尝试找到覆盖数据点最少的位置（loc='best'）。如果数据点很多，这可能是一个非常耗费计算的操作。在这种情况下，您可能需要提供一个具体的位置。

使用 fast 样式#

fast 样式可用于自动将简化和分块参数设置为合理值，以加快大量数据的绘图速度。以下代码运行它：

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

它非常轻量，因此与其他样式配合良好。请确保将 fast 样式最后应用，以免其他样式覆盖其设置。

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