Matplotlib.pyplot.hist() 非常慢

Question

我正在一个数组中绘制大约 10,000 个项目。它们具有大约 1,000 个独特值。

剧情已经进行了半个小时了。我确保其余代码有效。

有那么慢吗？这是我第一次用 pyplot 绘制直方图。

Answer 1

要使用 matplotlib 快速绘制直方图，您需要将

histtype='step'

参数传递给

pyplot.hist

。例如：

plt.hist(np.random.exponential(size=1000000,bins=10000))
plt.show()

平移或缩放时，绘制大约需要 15 秒，更新大约需要 5-10 秒。

相反，使用

histtype='step'

绘图：

plt.hist(np.random.exponential(size=1000000),bins=10000,histtype='step')
plt.show()

几乎立即绘制，并且可以毫无延迟地平移和缩放。

Answer 2

展平 numpy 数组后，可以立即绘制直方图。尝试下面的演示代码：

import numpy as np

array2d = np.random.random_sample((512,512))*100
plt.hist(array2d.flatten())
plt.hist(array2d.flatten(), bins=1000)

Answer 3

在代码中的某个位置导入 seaborn 可能会导致 pyplot.hist 花费很长时间。

如果是seaborn的问题，可以通过重置matplotlib设置来解决：

import seaborn as sns
sns.reset_orig()

Answer 4

对我来说，问题在于

pd.Series

的数据类型（比如 S）是

'object'

而不是

'float64'

。我用了

S = np.float64(S)

之后，

plt.hist(S)

就非常快了。

Answer 5

由于几个答案已经提到了

pandas.hist()

缓慢的问题，请注意，这可能是由于处理非数字数据造成的。使用

value_counts()

轻松解决问题：

df['colour'].value_counts().plot(kind='bar')

Answer 6

我使用 Pandas

.hist()

方法也面临同样的问题。对我来说，解决方案是：

pd.to_numeric(df['your_data']).hist()

立即见效。

Answer 7

对我来说，在调用 hist 后需要调用

figure.canvas.draw()

才能立即更新，即 hist 实际上很快（在计时后发现），但在更新图形之前有几秒钟的延迟。我在 jupyter 实验室单元（qt5 后端）的 matplotlib 回调中调用 hist。

Answer 8

任何人遇到我遇到的问题 - （这完全是我的错:)）

如果您正在处理数字，请确保从 CSV 读取时您的数据类型是 int/float，而不是字符串。

values_arr = .... .flatten().astype('float')

Answer 9

如果您正在使用 pandas，请确保您在 plt.hist() 中传递的数据是一维系列而不是数据帧。这帮助了我。

Answer 10

对于我来说，在我的例子中的 histplot 调用（sns）之前放置以下代码片段是有效的：

import matplotlib
import matplotlib.pyplot as plt
matplotlib.use('Qt5Agg')