为什么用plt.spy绘制90万行二进制DataFrame的稀疏性无法得到正确图像

你遇到的问题确实和矩阵尺寸过大直接相关，核心原因是画布像素分辨率和矩阵行数不匹配：
你的原数据有90万行，而你创建的画布高度为6英寸，按matplotlib默认100dpi计算，纵向仅600个像素点，单个像素需要覆盖近1500行的内容。plt.spy的默认渲染逻辑是只要单个像素对应的矩阵区域存在至少一个非零值就会点亮该像素，结合你的数据10%的非零占比，几乎每个纵向像素区域都存在1，最终就会输出全白/满色块的异常结果。小尺寸矩阵测试正常是因为行数量和画布像素量级匹配，不会出现多行压缩到单个像素的情况。
你之前的两种数据预处理逻辑（转Pandas稀疏类型、转Scipy稀疏矩阵）都没有错误，问题出在绘制环节的参数匹配。

可选解决方案 #

方案1：抽样可视化（最推荐） #

稀疏性可视化只需要反映整体分布规律，不需要全量绘制90万行数据，随机抽取1000~2000行样本即可准确还原分布特征，代码示例：

# 固定随机种子保证结果可复现，抽样1500行
sample_df = df[binary_feat_cols].sample(n=1500, random_state=42)
plt.figure(figsize=(10, 6))
plt.spy(sample_df, markersize=2)
plt.xlabel("二元特征列")
plt.ylabel("抽样行索引")
plt.show()

方案2：调整画布参数适配大矩阵 #

如果必须保留全量行数据，需要大幅提升画布高度和dpi，同时缩小标记尺寸，代码示例：

sparse_matrix = scipy.sparse.csr_matrix(df[binary_feat_cols].to_numpy())
# 加大纵向画布尺寸，提升dpi，缩小标记大小
plt.figure(figsize=(10, 40), dpi=300)
plt.spy(sparse_matrix, markersize=0.1)
plt.tick_params(axis='y', labelleft=False) # 可隐藏行号标签避免拥挤
plt.show()

注意该方案生成的图片文件体积会非常大，加载和渲染速度较慢。

方案3：换用统计类可视化 #

如果你的核心需求是展示稀疏性的统计特征，而非逐行的分布情况，可以改用更直观的统计图表：

# 绘制每列1的占比柱状图
col_one_ratio = df[binary_feat_cols].mean()
plt.figure(figsize=(12, 5))
col_one_ratio.plot(kind='bar')
plt.ylabel("列内1的占比")
plt.show()

# 绘制每行1的数量分布直方图
row_one_count = df[binary_feat_cols].sum(axis=1)
plt.figure(figsize=(10, 6))
row_one_count.hist(bins=20)
plt.xlabel("每行1的数量")
plt.ylabel("行计数")
plt.show()

内容的提问来源于stack exchange，提问作者mjbsgll