1
我正在为我正在进行的机器学习项目进行可视化,并且我正在使用matplotlib进行绘图。 matplotlib的后端是Qt4Agg。绘制的点数小于100.平铺和缩放pyplot非常缓慢
平移和缩放非常缓慢。你知道这可能是什么原因吗?
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from classifier import Classifier
cl = Classifier(1)
with open("./data/enolase-01.bounds") as file:
data = file.read().strip().split("\n")
xdim = int(data[7].split(" ")[-1])
ydim = int(data[8].split(" ")[-1])
zdim = int(data[9].split(" ")[-1])
fig = plt.figure()
ax = fig.add_subplot(111, projection="3d")
for i, n in enumerate(cl.X[0]):
z = i % zdim
y = i/zdim % ydim
x = i/zdim/ydim % xdim
if n == 0.0:
continue
ax.scatter([x], [y], [z], c='r', marker="o")
#print x, y, z
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()
代码中没有任何东西可以解释您所遇到的情况。但是,请考虑将您的示例减少到[MCVE](https://stackoverflow.com/help/mcve)并再次检查功能。机会是减速与其他代码相关。另外,'enumerate'返回一个元组,第一个元素是一个整数(索引),是迭代器的第二个元素。你的(显示的)代码可以通过删除'import classifier ...'来减少,只使用numpy的'ndarray'来调用'ax.scatter'。 首先*减少你的代码*,但要找出问题出在哪里。 –
我发现问题在于我多次调用分散方式。每700+分我会打一次,每个分数都是散点图。将所有内容放入单个调用中,可消除平移和缩放中的所有滞后。 –