web-dev-qa-db-ja.com

matplotlibでより効率的にポリゴンを描画する

私はmatplotlibとベースマップを使用してマップ上に描画したい約60000の形状（各隅の緯度/経度座標を含む）の日付セットを持っています。

これは私が今それをしている方法です：

for ii in range(len(data)):
    lons = np.array([data['lon1'][ii],data['lon3'][ii],data['lon4'][ii],data['lon2'][ii]],'f2')
    lats = np.array([data['lat1'][ii],data['lat3'][ii],data['lat4'][ii],data['lat2'][ii]],'f2')
    x,y = m(lons,lats)
    poly = Polygon(Zip(x,y),facecolor=colorval[ii],edgecolor='none')
    plt.gca().add_patch(poly)

しかし、これは私のマシンで約1.5分かかり、少しスピードアップできるかどうか考えていました。ポリゴンを描画してマップに追加するより効率的な方法はありますか？

pythonnumpymatplotlibscipymatplotlib-basemap
22
HyperCube

個々のポリゴンではなく、ポリゴンのコレクションを作成することを検討できます。

関連するドキュメントはここにあります： http://matplotlib.org/api/collections_api.html ここでアパートを選ぶ価値のある例： http://matplotlib.org/examples/api/collections_demo.html

例として：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import PolyCollection
import matplotlib as mpl

# Generate data. In this case, we'll make a bunch of center-points and generate
# verticies by subtracting random offsets from those center-points
numpoly, numverts = 100, 4
centers = 100 * (np.random.random((numpoly,2)) - 0.5)
offsets = 10 * (np.random.random((numverts,numpoly,2)) - 0.5)
verts = centers + offsets
verts = np.swapaxes(verts, 0, 1)

# In your case, "verts" might be something like:
# verts = Zip(zip(lon1, lat1), Zip(lon2, lat2), ...)
# If "data" in your case is a numpy array, there are cleaner ways to reorder
# things to suit.

# Color scalar...
# If you have rgb values in your "colorval" array, you could just pass them
# in as "facecolors=colorval" when you create the PolyCollection
z = np.random.random(numpoly) * 500

fig, ax = plt.subplots()

# Make the collection and add it to the plot.
coll = PolyCollection(verts, array=z, cmap=mpl.cm.jet, edgecolors='none')
ax.add_collection(coll)
ax.autoscale_view()

# Add a colorbar for the PolyCollection
fig.colorbar(coll, ax=ax)
plt.show()

enter image description here

HTH、

35
pelson

私はコードを調整しましたが、今では問題なく動作しています:)

これが実際の例です：

lons = np.array([data['lon1'],data['lon3'],data['lon4'],data['lon2']])
lats = np.array([data['lat1'],data['lat3'],data['lat4'],data['lat2']])
x,y = m(lons,lats)
pols = Zip(x,y)
pols = np.swapaxes(pols,0,2)
pols = np.swapaxes(pols,1,2)
coll = PolyCollection(pols,facecolor=colorval,cmap=jet,edgecolor='none',zorder=2)
plt.gca().add_collection(coll)
3
HyperCube