Python 为什么plt.imshow比plt.pcolor快得多？

我试图从2D矩阵中找出尽可能多的数据可视化工具（任何其他查看2D矩阵的好方法都有好处）

我生成了很多热图，有人告诉我，

pcolor

是我要做的事情（我现在使用的是

seaborn

）

为什么

plt.imshow

在执行非常类似的操作时比

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

---

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

根据文档，matplotlib.pyplot.pcolor返回matplotlib.collections.PolyCollection，这可能比pcolormesh返回matplotlib.collections.QuadMesh对象慢。另一方面，imshow返回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，对于这个特定的示例，pcolormesh是最有效的

一个可能重复的问题？见：