为什么 plt.imshow 比 plt.pcolor 快这么多？

Question

我正在尝试从 2D 矩阵中找出尽可能多的数据可视化工具（奖金点到任何其他查看 2D 矩阵的好方法）。

我生成了很多热图，有人告诉我 pcolor 是可行的方法（我现在使用 seaborn）。

为什么 plt.imshow 在执行非常相似的操作时比 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

Answer 1

部分回答您的问题，plt.imshow 比 plt.pcolor 快得多，因为它们没有进行类似的操作。事实上，他们做的事情非常不同。

根据文档，matplotlib.pyplot.pcolor returns 一个 matplotlib.collections.PolyCollection，与 returns 一个 matplotlib.collections.QuadMesh 对象的 pcolormesh 相比，它可能比较慢。另一方面，imshow returns 一个 matplotlib.image.AxesImage 对象。我用 pcolor、imshow 和 pcolormesh 做了一个测试：

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，对于这个特定示例，pcolormesh 是最有效的。

为什么 plt.imshow 比 plt.pcolor 快这么多？

Why is plt.imshow so much quicker than plt.pcolor ?

python

image-processing

matplotlib

heatmap

imshow