Python+Chaco+Traits - 渲染错误: unexpected fills of line plot of large data?

Question

使用下面的最小示例，我得到的大图(大约 110k 点)的线图(使用 python 2.7、numpy 1.5.1、chaco/enable/traits 4.3.0)是这样的:

然而，这很奇怪，因为它是一个线图，里面不应该有任何填充区域吗？特别是因为数据是锯齿状信号？好像在y~=37XX处有一条线，上面有颜色填充？!但可以肯定的是，如果我放大一个区域，我会得到我期望的渲染 - 没有意外的填充:

这是错误 - 还是我做错了什么？我尝试使用 use_downsampling，但没有任何区别...

测试代码:

import numpy as np
import numpy.random as npr
from pprint import pprint
from traits.api import HasTraits, Instance
from chaco.api import Plot, ArrayPlotData, VPlotContainer
from traitsui.api import View, Item
from enable.component_editor import ComponentEditor
from chaco.tools.api import PanTool, BetterSelectingZoom

tlen = 112607
alr = npr.randint(0, 4000, tlen)
tx = np.arange(0.0, 30.0-0.00001, 30.0/tlen)
ty = np.arange(0, tlen, 1) % 10000 + alr
pprint(len(ty))


class ChacoTest(HasTraits):

  container = Instance(VPlotContainer)
  traits_view = View(
    Item('container', editor=ComponentEditor(), show_label=False),
    width=800, height=500, resizable=True,
    title="Chaco Test"
  )

  def __init__(self):
    super(ChacoTest, self).__init__()
    pprint(ty)
    self.plotdata = ArrayPlotData(x = tx, y = ty)
    self.plotobj = Plot(self.plotdata)
    self.plotA = self.plotobj.plot(("x", "y"), type="line", color=(0,0.99,0), spacing=0, padding=0, alpha=0.7, use_downsampling=True)
    self.container = VPlotContainer(self.plotobj, spacing=5, padding=5, bgcolor="lightgray")
    #~ container.add(plot)
    self.plotobj.tools.append(PanTool(self.plotobj))
    self.plotobj.overlays.append(BetterSelectingZoom(self.plotobj))

if __name__ == "__main__":
  ChacoTest().configure_traits()

Answer 1

我能够重现错误并与 John Wiggins(Enable 的维护者)交谈，这是 kiva 中的一个错误(chaco 用来在屏幕上绘制): https://github.com/enthought/enable好消息是，这是您可以使用的 kiva 后端之一中的错误。因此，要解决此问题，您可以选择不同的后端来运行脚本:

ETS_TOOLKIT=qt4.qpainter python <NAME OF YOUR SCRIPT>

如果您使用 qpainter 或 quartz，绘图看起来(在我的机器上)符合预期。如果您选择 qt4.image(Agg 后端)，您将重现该问题。不幸的是，Agg 后端是默认后端。要更改它，您可以将 ETS_TOOLKIT 环境变量设置为该值:

export ETS_TOOLKIT=qt4.qpainter

坏消息是解决这个问题并不是一件容易的事。如果您想参与其中，请随时在 github 中报告错误(再次 https://github.com/enthought/enable)。如果你不这样做，我将在接下来的几天内记录下来。感谢您报告!