如何提升matplotlib绘制海量数据图表的精度与线条辨识度

原有代码存在分辨率不足、线条参数默认值偏细、边距设置错位、无抗锯齿优化的问题，会导致海量数据下线条模糊、辨识度低，可通过以下修改实现高精度清晰绘图：

核心修改点 #

• 提升画布与导出分辨率：创建画布时显式指定dpi=300（出版级精度），搭配合理的figsize尺寸参数，替换原有left=1.5/right=3.5的错误边距设置，避免内容溢出画布
• 优化线条渲染参数：显式设置1.2~1.5的线宽，开启抗锯齿，给不同子图/曲线配置高对比度纯色，避免默认细线条、低对比度颜色导致的发虚问题
• 海量数据适配：单曲线数据点超过1万时加入轻量降采样逻辑，避免高密度点重叠导致的线条糊化、锯齿问题
• 补充可读性元素：添加坐标轴标注、半透明网格、调整刻度字号，进一步提升图表易读性
• 导出参数优化：保存图片时开启bbox_inches='tight'自动适配边距，保留高DPI设置避免压缩失真

修改后可直接运行的代码 #

import numpy as np
import matplotlib.pyplot as plt

# 可选：超大数据量降采样工具，数据点超过1万时启用
def downsample(x, y, max_points=5000):
    if len(x) <= max_points:
        return x, y
    step = len(x) // max_points
    return x[::step], y[::step]

def plot_en(filename):
    # 初始化高分辨率画布，设置合理尺寸
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4), dpi=300)
    # 调整合理边距，避免标签、内容被截断
    plt.subplots_adjust(top=0.92, bottom=0.12, left=0.08, right=0.96, hspace=0.25, wspace=0.25)

    data_1 = np.loadtxt(f"{filename[0]}.en")
    data_2 = np.loadtxt(f"{filename[1]}.en")

    # 如需降采样可取消下两行注释
    # x1, y1 = downsample(data_1[:, 0], data_1[:, 1])
    # x2, y2 = downsample(data_2[:, 0], data_2[:, 1])
    x1, y1 = data_1[:, 0], data_1[:, 1]
    x2, y2 = data_2[:, 0], data_2[:, 1]

    # 绘制带抗锯齿的自定义样式线条
    ax1.plot(
        x1, y1,
        color='#163e7a',  # 高对比度深蓝色
        linewidth=1.2,
        antialiased=True
    )
    ax2.plot(
        x2, y2,
        color='#a8201a',  # 高对比度深红色，和第一个子图线条明确区分
        linewidth=1.2,
        antialiased=True
    )

    # 可选：添加标注和网格提升可读性
    for ax, title in zip([ax1, ax2], filename):
        ax.set_xlabel("Energy (eV)", fontsize=10)
        ax.set_ylabel("Density of States", fontsize=10)
        ax.set_title(title, fontsize=11)
        ax.tick_params(labelsize=9)
        ax.grid(alpha=0.3, linestyle='--')

    # 高分辨率导出图片
    plt.savefig("dos_plot.png", dpi=300, bbox_inches='tight')
    plt.show()

plot_en(["forward1-on", "forward2-on"])

调参提示：如果线条还是偏淡可适当提升linewidth到1.5，如果需要更高打印精度可将DPI提升到600，降采样的max_points可根据数据特征调整，波动大的曲线可适当提高保留点数。

内容的提问来源于stack exchange，提问作者amirre