我正在对一些地理数据运行梯度下降算法。目标是将不同的区域分配给不同的簇,以最小化某些目标函数。我想拍一个短片来展示算法的进展。我现在用一些简单的方法来制作一些静态的图像。但是,我要绘制大约3000个区域,plot命令需要90秒或更长时间才能运行,这会破坏我的算法。在
有一些明显的快捷方式:每n次迭代保存一次图像,将所有步骤保存在一个列表中,并在最后生成所有图像(可能是并行的)。现在还可以,但最终我的目标是一些交互式功能,用户可以输入一些参数,并实时查看地图的收敛情况。在这种情况下,最好是动态更新地图。在
有什么想法吗?下面是基本命令(使用geopandas的最新dev版本)
fig, ax = plt.subplots(1,1, figsize=(7,5))
geo_data.plot(column='cluster',ax=ax, cmap='gist_rainbow',linewidth=0)
fig.savefig(filename, bbox_inches='tight', dpi=400)
也尝试了类似于以下内容的东西(缩写如下)。我打开一个单独的绘图,然后在每次迭代中修改它并保存它。似乎一点也不加速。在
^{pr2}$更新:查看了drawnow和real-time plotting in while loop with matplotlib中的其他指针,但是shapefile似乎太大/太笨重,无法实时工作。在
这两个方面都可能会提高绘制多边形的性能(1)这两个方面都可以单独使用polygons和polygons来更新。在
1)使用matplotlib集合绘制多边形
这是使用geopandas绘制多边形地理系列的更高效绘图功能的可能实现:
这大约比目前的geopandas绘图方法快10倍。在
2)更新多边形的颜色
一旦有了图形,就可以使用
set_array
方法一步完成更新多边形集合的颜色,其中数组中的值表示颜色(根据colormap转换为颜色)例如(考虑
^{pr2}$s_poly
一个具有多边形的地质系列):包含一些虚拟数据的完整示例:
绘制此图:
给出:
然后用表示簇的数组更新颜色:
给予
相关问题 更多 >
编程相关推荐