Python Matplotlib，savefig（）的替代方案，用于在保存到CString对象时提高性能？

我正在尝试加快将图表保存到图像的过程。现在，我正在创建一个cString对象，使用savefig将图表保存到其中；但是我真的非常感谢任何帮助来改进这种保存图像的方法。这个操作我要做几十次，savefig命令非常慢；一定有更好的办法。我读了一些关于将其保存为未压缩的原始图像的内容，但我不知道如何做。如果我能切换到另一个更快的后端，我真的不在乎agg

即：

我一直在使用matplotlib和FigureCanvasAgg后端

---

谢谢

如果您只是想要一个原始缓冲区，请尝试

fig.canvas.print\u rgb

，

fig.canvas.print\u raw

等（两者之间的区别是

raw

是rgba，而

rgb

是rgb。还有

print\u png

，

print\u ps

等）

这将使用

fig.dpi

，而不是

savefig

（100 dpi）的默认dpi值。尽管如此，即使比较

fig.canvas.print_raw（f）

和

fig.savefig（f，format='raw'，dpi=fig.dpi）

的

print_canvas

版本也稍微快了一点，但速度并不是很快，因为它不需要重置轴补丁的颜色，等等，而

savefig

默认情况下就是这样做的

尽管如此，大多数以原始格式保存图形的时间都只是绘制图形，这是无法回避的

无论如何，作为一个毫无意义但有趣的例子，考虑如下：

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

plt.ion()
fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    fig.canvas.draw()

如果我们查看原始绘制时间：

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    fig.canvas.draw()

在我的机器上大约需要25秒

如果我们改为将原始RGBA缓冲区转储到cStringIO缓冲区，它实际上会在约22秒时稍微快一点（这是因为我使用的是交互式后端！否则它将是等效的。）：

如果我们将其与使用相对设置dpi的

savefig

进行比较：

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    ram = cStringIO.StringIO()
    fig.savefig(ram, format='raw', dpi=fig.dpi)
    ram.close()

这大约需要23.5秒。基本上，

savefig

只设置一些默认参数并调用

print\u raw

，在这种情况下，差别很小

现在，如果我们将原始图像格式与压缩图像格式（png）进行比较，我们会发现一个更显著的差异：

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    ram = cStringIO.StringIO()
    fig.canvas.print_png(ram)
    ram.close()

这需要约52秒！显然，压缩图像会有很多开销

---

无论如何，这可能是一个不必要的复杂例子。。。我想我只是想避免实际工作…

我还需要快速生成大量绘图。我发现，多处理提高了可用核数的绘图速度。例如，如果100个绘图在一个进程中花费了10秒，那么当任务被分成4个核心时，大约需要3秒。

我对此不太了解。但您可以查看以下帮助：

format='raw'

或

format='rgba'

。看起来它们产生了相同的输出。您是否尝试过分析代码，以便查看savefig在哪里花费了大部分时间？您是否尝试过降低分辨率（dpi参数）或其他图像类型（jpeg、gif、tif，如果支持）？这是一个很好的例子，Joe，即使这可能有些过分。我想知道您是否将每次迭代绘制的帧保存在磁盘上，然后将其脱机编译成动画gif，或者是否有某种方法将“流中”绘制的帧编译成动画gif？我不是说使用$animation$模块，因为我想保存由交互式（鼠标事件驱动）绘图生成的动画。嗯，进行了一些搜索，我想您的建议可能如下所示：，对吗？实际上，这个特定的gif是通过保存每个迭代并脱机编译而生成的（使用imagemagick的

convert

）（我认为这个例子比带有

动画

模块的matplotlib版本更早发布。）无论如何，应该可以使用

ffmpeg

创建动画gif，但如果我回忆正确，使用

animation

模块保存为gif并不能完全正确工作。（我可能记错了，不管怎样，它现在可能已经被修复了。我已经尝试了一段时间。）意识到这是一个旧线程，但想知道是否有办法避免cStringIO。有纯Matplotlib解决方案吗？

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    ram = cStringIO.StringIO()
    fig.savefig(ram, format='raw', dpi=fig.dpi)
    ram.close()

import matplotlib.pyplot as plt
import numpy as np
import cStringIO

fig = plt.figure()
ax = fig.add_subplot(111)
num = 50
max_dim = 10
x = max_dim / 2 * np.ones(num)
s, c = 100 * np.random.random(num), np.random.random(num)
scat = ax.scatter(x,x,s,c)
ax.axis([0,max_dim,0,max_dim])
ax.set_autoscale_on(False)

for i in xrange(1000):
    xy = np.random.random(2*num).reshape(num,2) - 0.5
    offsets = scat.get_offsets() + 0.3 * xy
    offsets.clip(0, max_dim, offsets)
    scat.set_offsets(offsets)
    scat._sizes += 30 * (np.random.random(num) - 0.5)
    scat._sizes.clip(1, 300, scat._sizes)
    ram = cStringIO.StringIO()
    fig.canvas.print_png(ram)
    ram.close()