Matplotlib绘图代码加速求助：耗时激增问题排查

我帮你整理了几个针对性的优化方案，既能解决版本更新带来的性能问题，也能大幅加快绘图速度：

优化后的完整代码 #

import matplotlib.pyplot as plt
import cartopy.crs as ccrs

# 预先配置全局参数，减少重复计算
plt.rcParams['figure.dpi'] = 100  # 按需调整，降低DPI可快速渲染
plt.rcParams['savefig.bbox'] = 'tight'

fig = plt.figure(figsize=(20,25))
subplots = (4,1)
# 复用投影对象，避免重复初始化
crs = ccrs.PlateCarree()

# 封装重复绘图逻辑，减少冗余操作
def plot_panel(ax, data, vmin_val, vmax_val, title_text, cmap='coolwarm'):
    ax.coastlines(linewidth=0.5)  # 减小海岸线线宽，降低渲染负载
    data.plot(vmin=vmin_val, vmax=vmax_val, cmap=cmap, ax=ax, transform=crs)
    ax.set_title(title_text)

# 逐个绘制子图
ax1 = fig.add_subplot(subplots[0], subplots[1], 1, projection=crs)
plot_panel(ax1, ds[var], b, a, 'Dataset 1: mean')

ax2 = fig.add_subplot(subplots[0], subplots[1], 2, projection=crs)
plot_panel(ax2, ds2[var], b, a, 'Dataset 2: mean')

ax3 = fig.add_subplot(subplots[0], subplots[1], 3, projection=crs)
plot_panel(ax3, anom, anom.min(), anom.max(), 'Absolute anomalies')

ax4 = fig.add_subplot(subplots[0], subplots[1], 4, projection=crs)
plot_panel(ax4, anom2, anom2.min(), anom2.max(), 'Relative anomalies')

plt.tight_layout()

关键优化细节 #

• 复用核心对象：

  • 提前创建ccrs.PlateCarree()投影对象并复用，避免每次添加子图时重复初始化——新版本Cartopy对投影的初始化开销有所增加，复用能减少大量重复计算。
  • 把重复的绘图逻辑封装成plot_panel函数，避免多次重复调用coastlines()、plot()等方法，减少Matplotlib内部的冗余操作。

• 降低渲染负载：

  • 减小海岸线的linewidth（默认线宽较粗），大幅降低渲染时的图形计算量。
  • 调整全局DPI参数，如果不需要高精度输出，降低DPI能直接加快绘图速度。

• 适配新版本特性：

  • 显式指定transform=crs参数给data.plot()，避免Cartopy自动探测数据投影的额外开销——新版本对投影匹配的校验更严格，显式指定能跳过探测步骤。

• 额外性能提升点：

  • 提前把NetCDF数据加载到内存：如果ds、ds2是延迟加载的对象，调用ds.load()、ds2.load()一次性读取全部数据，避免绘图时反复读取磁盘。
  • 缓存极值计算：如果anom、anom2是大数组，提前计算好anom_min = anom.min()、anom_max = anom.max()并复用，避免每次绘图时重复计算极值。

版本问题排查建议 #

如果怀疑是Matplotlib/Cartopy更新导致的性能退化，可以尝试：

• 降级到之前能正常快速运行的版本，比如：

  pip install matplotlib==3.5.3 cartopy==0.20.3
  

  （版本号根据你之前的环境调整）
• 检查新版本的Release Notes，确认是否有绘图渲染逻辑的变更，针对性调整代码。

内容的提问来源于stack exchange，提问作者Elia_94