Matplotlib Agg 渲染复杂度错误

Question

我正在尝试使用 Python matplotlib 打印 600 dpi 图形。但是 Python 绘制了 8 个图形中的 2 个，并输出错误：

OverflowError: Agg rendering complexity exceeded. Consider downsampling or decimating your data.

我正在绘制大量数据（每列 7,500,000 个数据），所以我猜这可能是一些过载问题，或者我需要设置一个大的 cell_block_limit。

我尝试在 Google 上搜索更改 cell_block_limit 的解决方案，但无济于事。什么是好的方法？

代码如下：-

        import matplotlib.pyplot as plt
        from matplotlib.ticker import MultipleLocator, FormatStrFormatter

        majorLocator   = MultipleLocator(200)
        majorFormatter = FormatStrFormatter('%d')
        minorLocator   = MultipleLocator(20)

        fig = plt.figure()
        ax = fig.add_subplot(111)
        ax.xaxis.set_major_locator(majorLocator)
        ax.xaxis.set_major_formatter(majorFormatter)
        ax.xaxis.set_minor_locator(minorLocator)
        ax.xaxis.set_ticks_position('bottom')
        ax.xaxis.grid(True,which='minor')
        ax.yaxis.grid(True)
        plt.plot(timemat,fildata)
        plt.xlabel(plotxlabel,fontsize=14)
        plt.ylabel(plotylabel,fontsize=14)      
        plt.title(plottitle,fontsize=16)
        fig.savefig(plotsavetitle,dpi=600)

Answer 1

除了@Lennart 指出不需要完整分辨率之外，您还可以考虑类似以下的情节。

如果您使用原始数组的 2D 视图和 axis 关键字 arg 到 x.min()、x.max() 等，计算“分块”版本的最大值/平均值/最小值非常简单有效。

即使使用过滤，绘制它也比绘制完整数组快得多。

（注意：要绘制这么多点，您必须稍微调低噪音水平。否则您将得到您提到的OverflowError。如果您想比较绘制“完整”数据集，请更改y += 0.3 * y.max() np.random... 行更像0.1 或将其完全删除。）

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(1977)

# Generate some very noisy but interesting data...
num = 1e7
x = np.linspace(0, 10, num)
y = np.random.random(num) - 0.5
y.cumsum(out=y) 
y += 0.3 * y.max() * np.random.random(num)

fig, ax = plt.subplots()

# Wrap the array into a 2D array of chunks, truncating the last chunk if 
# chunksize isn't an even divisor of the total size.
# (This part won't use _any_ additional memory)
chunksize = 10000
numchunks = y.size // chunksize 
ychunks = y[:chunksize*numchunks].reshape((-1, chunksize))
xchunks = x[:chunksize*numchunks].reshape((-1, chunksize))

# Calculate the max, min, and means of chunksize-element chunks...
max_env = ychunks.max(axis=1)
min_env = ychunks.min(axis=1)
ycenters = ychunks.mean(axis=1)
xcenters = xchunks.mean(axis=1)

# Now plot the bounds and the mean...
ax.fill_between(xcenters, min_env, max_env, color='gray', 
                edgecolor='none', alpha=0.5)
ax.plot(xcenters, ycenters)

fig.savefig('temp.png', dpi=600)

Answer 2

使用 600dpi 时，您必须将绘图设置为 13 米宽，才能在不抽取数据的情况下绘制数据。 :-)

我建议将数据分成几百甚至一千个样本长的片段，然后从中提取最大值。

类似这样的：

def chunkmax(data, chunk_size):
    source = iter(data)
    chunk = []
    while True:
        for i in range(chunk_size):
            chunk.append(next(source))

        yield max(chunk)

然后，如果 chunk_size 为 1000，您可以绘制 7500 个点，然后您可以轻松地看到数据中的冲击来自何处。 （除非数据非常嘈杂，否则您必须对其进行平均以查看是否存在阻塞。但这也很容易修复）。