python - 密集数据集的 matplotlib 主要显示问题

Question

我在使用 matplotlib 和 Python 时遇到了一个相当严重的问题。我有一个密集的周期图数据集，想绘制它。问题是，当数据点多于可以在像素上绘制的数据点时，程序包不会选择要显示的最小值和最大值。这意味着随便看一下剧情可能会导致您得出错误的结论。

这是此类问题的示例:

数据集是用 plot() 和 scatter() 覆盖绘制的。您可以看到，在密集的数据字段中，连接数据的蓝线没有达到实际的峰值，导致人类观察者认为 ~2.4 处的峰值是最大值，但事实并非如此。

如果您放大或强制使用宽 window ，它会正确显示。 rasterize 和 aa 关键字对该问题没有影响。

有没有办法确保始终呈现 plot() 调用的最小/最大点？否则，这需要在更新 matplotlib 时解决。我从来没有遇到过这样的绘图包，这是一个非常重要的问题。

编辑:

x = numpy.linspace(0,1,2000000)
y = numpy.random.random(x.shape)
y[1000000]=2

plot(x,y)
show()

应该重现问题。尽管这可能取决于您的显示器分辨率。通过拖动和调整窗口大小，您应该可以看到问题所在。一个数据点应该突出一个 y=2，但这并不总是显示。

Answer 1

这是由于 matplotlib 中的路径简化算法。虽然在某些情况下肯定不可取，但这是加速渲染的故意行为。

简化算法在某些时候发生了变化，以避免跳过“异常”点，因此较新版本的 mpl 不会表现出这种确切的行为(尽管路径仍然被简化)。

如果您不想简化路径，那么您可以在 rc 参数中禁用它(在您的 .matplotlibrc 文件中或在运行时)。

例如

import matplotlib as mpl
mpl.rcParams['path.simplify'] = False
import matplotlib.pyplot as plt

但是，使用“信封”样式的图可能更有意义。举个简单的例子:

import matplotlib.pyplot as plt
import numpy as np

def main():
    num = 10000
    x = np.linspace(0, 10, num)
    y = np.cos(x) + 5 * np.random.random(num)

    fig, (ax1, ax2) = plt.subplots(nrows=2)
    ax1.plot(x, y)
    envelope_plot(x, y, winsize=40, ax=ax2)
    plt.show()

def envelope_plot(x, y, winsize, ax=None, fill='gray', color='blue'):
    if ax is None:
        ax = plt.gca()
    # Coarsely chunk the data, discarding the last window if it's not evenly
    # divisible. (Fast and memory-efficient)
    numwin = x.size // winsize
    ywin = y[:winsize * numwin].reshape(-1, winsize)
    xwin = x[:winsize * numwin].reshape(-1, winsize)
    # Find the min, max, and mean within each window 
    ymin = ywin.min(axis=1)
    ymax = ywin.max(axis=1)
    ymean = ywin.mean(axis=1)
    xmean = xwin.mean(axis=1)

    fill_artist = ax.fill_between(xmean, ymin, ymax, color=fill, 
                                  edgecolor='none', alpha=0.5)
    line, = ax.plot(xmean, ymean, color=color, linestyle='-')
    return fill_artist, line

if __name__ == '__main__':
    main()