python - 为什么plt.imshow比plt.pcolor快得多？

我正在尝试从2D矩阵中找出尽可能多的数据可视化工具（要点是查看2D矩阵的任何其他好的方法）。

我生成了许多热图，有人告诉我pcolor是要走的路（我现在使用seaborn）。

为什么plt.imshow在进行真正相似的操作时比plt.pcolor快得多？

def image_gradient(m,n):
    """
    Create image arrays
    """
    A_m = np.arange(m)[:, None]
    A_n = np.arange(n)[None, :]
    return(A_m.astype(np.float)+A_n.astype(np.float))

A_100x100 = image_gradient(m,n)

%timeit plt.pcolor(A_100x100)
%timeit plt.imshow(A_100x100)

1 loop, best of 3: 636 ms per loop
1000 loops, best of 3: 1.4 ms per loop

最佳答案

部分回答您的问题，因为plt.imshow没有执行类似的操作，所以它们比plt.pcolor快得多。实际上，他们做的事情截然不同。

根据文档，matplotlib.pyplot.pcolor返回一个matplotlib.collections.PolyCollection，与pcolormesh返回一个matplotlib.collections.QuadMesh对象相比，它可能要慢一些。另一方面，imshow返回一个matplotlib.image.AxesImage对象。我对pcolor，imshow和pcolormesh进行了测试：

def image_gradient(m,n):
    """
    Create image arrays
    """
    A_m = np.arange(m)[:, None]
    A_n = np.arange(n)[None, :]
    return(A_m.astype(np.float)+A_n.astype(np.float))

m = 100
n = 100

A_100x100 = image_gradient(m,n)

%time plt.imshow(A_100x100)
%time plt.pcolor(A_100x100)
%time plt.pcolormesh(A_100x100)

我得到的结果是：

imshow()
CPU times: user 76 ms, sys: 0 ns, total: 76 ms
Wall time: 74.4 ms
pcolor()
CPU times: user 588 ms, sys: 16 ms, total: 604 ms
Wall time: 601 ms
pcolormesh()
CPU times: user 0 ns, sys: 4 ms, total: 4 ms
Wall time: 2.32 ms

显然，对于此特定示例，pcolormesh是最有效的示例。

关于python - 为什么plt.imshow比plt.pcolor快得多？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/36513406/