Matplotlib - 创建许多子图的快速方法？

我正在使用 matplotlib 创建一个包含许多小子图（例如 4 行、8 列）的图形。我尝试了几种不同的方法，我能让 matplotlib 制作坐标轴的最快时间是大约 2 秒。我看见这个帖子 https://stackoverflow.com/questions/13046127/matplotlib-very-slow-is-it-normal/13060980#13060980关于仅使用一个轴对象来显示许多小图像，但我希望能够在轴上有刻度和标题。有什么方法可以加快这个过程，或者在 matplotlib 中制作轴是否需要相当长的时间？

这是我到目前为止所尝试过的：

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
import time

fig = plt.figure(figsize=(10,6))

plt.clf(); t = time.time()
grid = ImageGrid(fig, 111, 
                nrows_ncols = (4, 8))
print 'Time using ImageGrid: %.2f seconds'%(time.time()-t)

plt.clf(); t = time.time()
axes = plt.subplots(4,8)
print 'Time using plt.subplots: %.2f seconds'%(time.time()-t)

plt.clf(); t = time.time()
axes = []
for row in range(0,4):
    for col in range(1,9):
        ax = plt.subplot(4,8,row*8+col)
        axes.append(ax)
print 'Time using ptl.subplot loop: %.2f seconds'%(time.time()-t)

output:

Time using ImageGrid: 4.25 seconds
Time using plt.subplots: 2.11 seconds
Time using ptl.subplot loop: 2.34 seconds

采纳 Joe Kington 的建议，我尝试腌制图形和轴，这样我至少不需要每次运行脚本时都创建它们。然而，加载文件实际上需要更长的时间：

import matplotlib.pyplot as plt
import pickle
import time

t = time.time()
fig,axes = plt.subplots(4,8,figsize=(10,6))
print 'Time using plt.subplots: %.2f seconds'%(time.time()-t)

pickle.dump((fig,axes),open('fig.p','wb'))

t = time.time()
fig,axes = pickle.load(open('fig.p','rb'))

print 'Time to load pickled figure: %.2f seconds'%(time.time()-t)

output:

Time using plt.subplots: 2.01 seconds
Time to load pickled figure: 3.09 seconds

你不会打败subplots任何大量的金额。创建新轴是一项相当昂贵的操作，每次您都会创建 32 个轴。然而，它只完成一次。

创建新的图形和轴真的是您的瓶颈吗？如果是这样，您可能做错了什么。

如果您尝试创建动画，只需更新艺术家（例如image.set_data等）并重新绘制，而不是每次都制作新的图形和轴。

(Also, axes = plt.subplots(4, 8)是不正确的。axes将是一个元组，而不是您当前编写的轴对象序列。subplots返回一个图形实例和一个轴数组。它应该是fig, axes = plt.subplots(...).)

只是为了扩展我下面关于酸洗的评论：

当您更改不相关的参数时，缓存“昂贵”的结果通常很方便。这在科学“脚本”中尤其常见，您通常会进行一些相当慢的数据解析或中间计算以及半交互式“调整”的一组相关参数。

只需注释掉几行并显式保存/加载腌制结果并没有什么问题。

然而，我发现保留一个自动执行此操作的装饰器很方便。在许多情况下，有更好的方法可以做到这一点，但对于一刀切的解决方案来说，它非常方便：

import os
import cPickle as pickle
from functools import wraps

class Cached(object):
    def __init__(self, filename):
        self.filename = filename

    def __call__(self, func):
        @wraps(func)
        def new_func(*args, **kwargs):
            if not os.path.exists(self.filename):
                results = func(*args, **kwargs)
                with open(self.filename, 'w') as outfile:
                    pickle.dump(results, outfile, pickle.HIGHEST_PROTOCOL)
            else:
                with open(self.filename, 'r') as infile:
                    results = pickle.load(infile)
            return results
        return new_func

然后你可以做类似的事情（假设上面的类位于utilities.py):

import matplotlib.pyplot as plt
from utilities import Cached

@Cached('temp.pkl')
def setup():
    fig, axes = plt.subplots(8, 4)
    # And perhaps some other data parsing/whatever
    return fig, axes

fig, axes = setup()
for ax in axes.flat:
    ax.plot(range(10))
plt.show()

仅当给定的文件名（"temp.pkl") 不存在，并且缓存结果存储在temp.pkl否则将被加载。这适用于任何可以腌制的东西，而不仅仅是 matplotlib 图形。

但要小心使用已保存的状态。如果你改变什么setup执行并重新运行，将返回“旧”结果！如果更改包装函数的功能，请务必手动删除缓存文件。

当然，如果你只是在一个地方做这件事，那就有点矫枉过正了。不过，如果您发现自己经常缓存中间结果，那么拥有它会很方便。