如何在超大2D矩阵中绘制路径并解决Matplotlib内存占用过高问题？

核心问题拆解 #

500K×500K的uint8矩阵内存占用约232GB，远超常规内存容量，必须摒弃创建全量矩阵的思路，转而只处理路径相关的像素点。

方案一：Matplotlib直接绘制路径点 #

无需创建完整矩阵，仅在坐标轴上绘制路径坐标，跳过空白区域渲染：

import matplotlib.pyplot as plt
import numpy as np

xlen = 500000
ylen = 500000

# 生成路径坐标（示例为对角线）
x_coords = np.arange(xlen)
y_coords = np.arange(ylen)

fig, ax = plt.subplots(figsize=(30, 30))
# 匹配超大矩阵的坐标轴范围
ax.set_xlim(0, xlen)
ax.set_ylim(0, ylen)
# 绘制路径点，s控制点大小，color对应不同值
ax.scatter(x_coords, y_coords, color='darkblue', s=1)

# 多组不同值路径可分别绘制
# ax.scatter(x_coords2, y_coords2, color='orange', s=1)

# 隐藏密集刻度（可选）
ax.set_xticks([])
ax.set_yticks([])
plt.show()

该方案内存占用仅取决于路径点数，完全避开超大矩阵的内存压力，适合需要交互查看（缩放、平移）的场景。

方案二：使用PIL按需绘制像素 #

创建空白图像后仅绘制路径区域，无需预分配全量矩阵内存：

from PIL import Image, ImageDraw

xlen = 500000
ylen = 500000

# 创建白色空白图像（'L'模式对应uint8，255对应原矩阵的0）
img = Image.new('L', (xlen, ylen), color=255)
draw = ImageDraw.Draw(img)

# 连续路径用line方法更高效
draw.line(list(zip(range(xlen), range(ylen))), fill=1, width=1)

# 离散点用point方法
# draw.point(list(zip(x_coords, y_coords)), fill=2)

# 保存或显示图像
img.save('large_path.png')

若路径极度稀疏，还可分块处理：仅创建需要修改的子图像块，绘制后合并到主图像，进一步降低内存峰值。

方案对比 #

• Matplotlib：内存占用极低，支持交互操作，但大量点绘制时速度稍慢。
• PIL：绘制效率高，适合生成静态图像文件，内存占用略高于Matplotlib，但远低于全量numpy矩阵。

内容的提问来源于stack exchange，提问作者Quim