Python 如何使用相应的RGB阵列绘制二维numpy坐标阵列？

我有一个坐标（x，y）的二维numpy数组，其尺寸为40000x2，我正在运行一个机器学习模型。我将预测转换为尺寸为40000x3的RGB numpy数组。RGB数组中的每个条目（行）对应于坐标数组中的相同条目

我希望能够快速地策划一切。以前，我尝试过使用scatter（）函数，但时间太长了

# Fragment of code I used before
# coordArray (40000x2), rgbArray (40000x3)

f, ax = plt.subplots(figsize=(7, 7))
for i in range(len(coordArray)):
    ax.scatter(coordArray[i, 0], coordArray[i, 1], marker='o', 
    c=rgbArray[i], s=1.5, alpha=1)
plt.show()

---

我想知道是否有更好/更快的方法来绘制数据。作为参考，我还绘制了我的训练集和测试集（只是没有在代码片段中显示）。

您可以创建一个合适的

np.array

并用

rgbArray

中的值填充坐标。然后用绘图工具绘制阵列。缺少的坐标将以黑色绘制

将numpy导入为np
将matplotlib.pyplot作为plt导入
#2x2阵列中有3个坐标的示例
#[0,0]>红色
#[0,1]>绿色
#[1,1]>蓝色
#[1,0]->“无信息”
coord=np.数组（[[0,0]，[0,1]，[1,1]]）
rgb=np.数组（[[1,0,0.]，[0,1,0.]，[0,0,1.]））
img=np.zero（元组（坐标最大值（0）+1）+（3，））
img[coord[：，0]，coord[：，1]=rgb
plt.imshow（img）
plt.轴（“关闭”）；

输出：

---

如果需要散点图，则无需迭代数组。您可以使用：

plt.scatter（坐标[：，0]，坐标[：，1]，颜色=rgb，s=20）；

输出：

---

使用矢量化代码可能会加快绘图速度：

f，ax=plt.子批次（figsize=（7,7））
散度（coordArray[：，0]，coordArray[：，1]，
标记='o'，c=rgbArray/255，s=1.5，alpha=1）
plt.show（）

---

请注意，

rgbArray

的条目必须在[0,1]范围内。

有没有办法使用浮动？我的坐标数组主要由浮点数组成。您可以在

rgb

数组中使用

floats

。更简单一点。我更新了我的答案，在示例数据中使用

浮动

。对于坐标数据，我需要一个示例。在这种情况下，不迭代的

scatter

解决方案可能更合适。对于“imshow”方法，我们可以将其转换为

int

。如果坐标值不是整数，这种方法将不起作用