Matplotlib / PyPlot中的快速实时绘图

Question

多年来，我一直在努力在matplotlib中获得有效的实时绘图，直到今天我仍然不满意。

我想要一个redraw_figure更新图形“实时”（如代码运行）的函数，并且如果我在断点处停止，将显示最新的图。

这是一些演示代码：

import time

from matplotlib import pyplot as plt

import numpy as np

def live_update_demo():

    plt.subplot(2, 1, 1)

    h1 = plt.imshow(np.random.randn(30, 30))

    redraw_figure()

    plt.subplot(2, 1, 2)

    h2, = plt.plot(np.random.randn(50))

    redraw_figure()

    t_start = time.time()

    for i in xrange(1000):

        h1.set_data(np.random.randn(30, 30))

        redraw_figure()

        h2.set_ydata(np.random.randn(50))

        redraw_figure()

        print 'Mean Frame Rate: %.3gFPS' % ((i+1) / (time.time() - t_start))

def redraw_figure():

    plt.draw()

    plt.pause(0.00001)

live_update_demo()

在运行代码时，绘图应该更新，并且我们应该在之后的任何断点处停止时看到最新数据redraw_figure()。问题是如何最好地实施redraw_figure()

在上面的实现（plt.draw(); plt.pause(0.00001)）中，它可以工作，但速度非常慢（~3.7FPS）

我可以实现它：

def redraw_figure():

    plt.gcf().canvas.flush_events()

    plt.show(block=False)

并且它运行得更快（~11FPS），但是当您在断点处停止时，情节不是最新的（例如，如果我在线上放置断点t_start = ...，则不会出现第二个图）。

奇怪的是，实际上工作的是两次调用节目：

def redraw_figure():

    plt.gcf().canvas.flush_events()

    plt.show(block=False)

    plt.show(block=False)

如果你在任何一条线上中断，那么它可以提供~11FPS，并且可以将图表保持为数据。

现在我听说它已经弃用了“block”关键字。并且两次调用相同的函数似乎是一个奇怪的，可能是非便携式的hack。

那么我可以在这个以合理的帧速率绘制的函数中加入什么，不是一个巨大的kludge，最好能在后端和系统中工作？

一些说明：

我在OSX上，并使用TkAgg后端，但欢迎任何后端/系统上的解决方案

交互模式“开启”不起作用，因为它不会实时更新。它只是在解释器等待用户输入时在Python控制台中更新。

一篇博客建议实施：

def redraw_figure（）：fig = plt.gcf（）fig.canvas.draw（）fig.canvas.flush_events（）

但至少在我的系统上，根本没有重绘图。

所以，如果有人有答案，你会直接让我和其他成千上万的人非常高兴。他们的快乐可能会流向他们的朋友和亲戚，他们的朋友和亲戚等等，这样你就有可能改善数十亿人的生活。

结论

ImportanceOfBeingErnest展示了如何使用blit进行更快的绘图，但它并不像在redraw_figure函数中放置不同的东西那么简单（你需要跟踪要重绘的内容）。

Answer 1

这是进行实时绘图的一种方法：将绘图作为图像阵列，然后将图像绘制到多线程屏幕。使用pyformulas屏幕（~30 FPS）的示例：import pyformulas as pfimport matplotlib.pyplot as pltimport numpy as npimport timefig = plt.figure()screen = pf.screen(title='Plot')start = time.time()for i in range(10000):    t = time.time() - start    x = np.linspace(t-3, t, 100)    y = np.sin(2*np.pi*x) + np.sin(3*np.pi*x)    plt.xlim(t-3,t)    plt.ylim(-3,3)    plt.plot(x, y, c='black')    # If we haven't already shown or saved the plot, then we need to draw the figure first...    fig.canvas.draw()    image = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')    image = image.reshape(fig.canvas.get_width_height()[::-1] + (3,))    screen.update(image)#screen.close()免责声明：我是pyformulas的维护者

Answer 2

我认为看看这与matplotlib FuncAnimation的比较会有所帮助。由于这也绘制了matplotlib figure（fig.canvas.draw()），它肯定不会更快