减少具有许多重叠点和alpha的矢量化散点图的磁盘大小

Question

在matplotlib中绘制散点图并保存为矢量格式（在本例中为PDF）时，生成的文件大小将按点数进行缩放。

由于我有很多具有大量重叠点的点，我设置alpha=.2以查看点的分布密集程度。在中心区域，这导致显示的颜色等于alpha=1的外观。

在将图形保存到矢量化文件时，有没有办法“裁剪”这些区域（f.i.通过组合指定距离内的重叠点），这样可以保存某种区域而不是保存每一个点？

我忘了提到：由于我需要绘制多个变量的相关性，我需要一个（n×n）散点图矩阵，其中n是变量的数量。这妨碍了hexbin或其他方法的使用，因为我必须自己创建一个完整的图形网格。

例如，如：

fig_sc = plt.figure(figsize=(5, 5))
ax_sc = fig_sc.gca()
ax_sc.scatter(
    np.random.normal(size=100000), 
    np.random.normal(size=100000), 
    s=10, marker='o', facecolors='none', edgecolors='black', alpha=.3)
fig_sc.savefig('test.pdf', format='pdf')

由于每个点都被保存，因此文件大小约为1.5MB。我可以通过组合重叠点以某种方式“减少”这个图像吗？

我尝试了几个选项，比如设置dpi=300和transparence=False，但由于PDF将图形存储为矢量化图像，这自然不会改变任何东西。

可能有用的东西，但有缺点：

• hexbin plots：如果正确调整分辨率和cmap，则可用于单个散点图，但我想用（n x n）散点图绘制散点图。没有hexbin-matrix图。
• 保存为栅格化格式：这些图用于日记，它可以尽可能地请求矢量化图。因此，我想避免将图像存储为光栅化图像。
• 随机提取部分数据：可能有效，但会改变图的外观。

有任何想法吗？ 提前致谢！

Answer 1

也许你想改变你的方法并使用与散点图不同的东西，让Numpy和Matplotlib对你的数据集进行低位采样的任务 - 换句话说，使用Numpy的histogram2d和Matplotlib的imshow

x, y = [p.random.normal(size=100000) for _ in (4, 34)]
h, xedge, yedge = np.histogram2d(x, y, bins=25)
cmap = plt.get_cmap('Greys')
plt.imshow(h, interpolation='lanczos', origin='low', cmap=cmap,
            extent=[xedge[0], xedge[-1], yedge[0], yedge[-1]])

plt.savefig('Figure1.pdf') # → 30384 bytes

---

网格布置（这次使用hexbin）

np.random.seed(20190308)                                                         
fig, axes = plt.subplots(3, 2, figsize=(4,6), 
                         subplot_kw={'xticks': [], 'yticks': []}) 
fig.subplots_adjust(hspace=0.05, wspace=0.05)                                    

for ax in axes.flat: 
    ax.hexbin(*(np.random.normal(size=10000) for _ in ('x', 'y')), cmap=cmap) 

Answer 2

这可能是作弊，但您可以将其保存为.png文件，然后通过乳胶将其插入pdf画布并使文档边距适合图形。