如何高效提取列表中同时间戳元素 提升轨迹绘制处理效率

你当前代码运行慢的核心原因有两个：

1. 遍历逻辑效率极低：每处理一个时间戳就全量扫描整个日志列表，整体时间复杂度为O(N*M)（N为总日志条数，M为不同时间戳的数量），数据量上来后耗时会线性暴涨
2. 存在大量冗余渲染操作：你封装的draw_tracking函数每绘制一个矩形就调用一次plt.imshow()，这类图像渲染操作的开销是绘制矩形本身的上百倍，是最主要的性能瓶颈。

优化步骤 #

1. 单次遍历完成时间戳分组，避免重复扫描 #

不要对每个时间戳都从头遍历整个日志列表，只需要一次遍历就能把所有相同时间戳的坐标归为一组，时间复杂度直接降到O(N)。

• 如果你的日志本身已经按时间戳排序（同时间戳数据连续存放，和你给的样例格式一致），可以直接用itertools.groupby做流式分组，内存占用最低、速度最快：

from itertools import groupby
import cv2
import matplotlib.pyplot as plt

# 逐时间戳批量处理
for current_ts, group in groupby(log, key=lambda item: item[0]):
    # 先把当前时间戳下所有矩形全部画完
    for _, x, y in group:
        cv2.rectangle(
            output_img,
            pt1=(x, y),
            pt2=(x+5, y+5),
            color=(255, 0, 0),
            thickness=5
        )
    # 所有框绘制完成后，只渲染一次图像
    plt.imshow(output_img)
    # 若需要保存当前时间戳的绘制结果，在此处添加存图逻辑即可

• 如果日志没有按时间戳排序，可以用字典一次遍历完成分组，逻辑更通用：

from collections import defaultdict

# 单次遍历完成所有分组
ts_mapping = defaultdict(list)
for ts, x, y in log:
    ts_mapping[ts].append((x, y))

# 按时间戳升序逐批处理
for ts in sorted(ts_mapping.keys()):
    for x, y in ts_mapping[ts]:
        cv2.rectangle(output_img, (x, y), (x+5, y+5), (255,0,0), 5)
    plt.imshow(output_img)

2. 移除冗余渲染调用 #

记住：plt.imshow()只需要在同一个时间戳的所有矩形全部绘制完成后调用一次。你原来的写法每画一个小矩形就全图渲染一次，哪怕单帧有1000个坐标点，也会做1000次全图渲染，99%的计算都是无效开销。把渲染挪到批量绘制完成后，性能可以提升几十到上百倍。

额外提速建议 #

• 如果不需要逐时间戳查看绘制过程，完全可以把plt.imshow()挪到所有时间戳的循环结束之后，只渲染最终结果，速度还能进一步提升
• 超大量数据场景下，不要单独封装单点位的绘制函数，Python函数调用在十万级以上循环里的累计开销非常明显，直接在循环内联调用cv2.rectangle即可
• 单时间戳坐标点超过千级时，可以把坐标批量转成numpy数组做向量化计算，不过一般做完前两步优化，已经可以满足绝大多数场景的性能要求。

内容的提问来源于stack exchange，提问作者Maria Sabrina Ma