Question

在how to dynamically update a plot in a loop in ipython notebook (within one cell)的答案中，给出了如何在Python循环中动态更新Jupyter笔记本内部的绘图的示例。然而，这通过在每次迭代中销毁和重新创建绘图来工作，并且其中一个线程中的注释指出可以通过使用new-ish %matplotlib nbagg魔法来改善这种情况，其提供嵌入的交互式图形在笔记本中，而不是静态图像。

然而，就我所知，这个精彩的新nbagg功能似乎完全没有记录，我无法找到如何使用它来动态更新绘图的示例。因此我的问题是，如何使用nbagg后端有效地更新Jupyter / Python笔记本中的现有绘图？因为matplotlib中的动态更新绘图通常是一个棘手的问题，一个简单的工作示例会是一个巨大的帮助。指向该主题的任何文档的指针也非常有用。

要清楚我要求的是：我想要做的是为一些迭代运行一些模拟代码，然后绘制其当前状态的图，然后再运行几次迭代，然后更新情节反映当前的状态，等等。因此，我们的想法是绘制一个绘图，然后在没有任何用户交互的情况下更新绘图中的数据，而不会破坏和重新创建整个事物。

以下是对上述链接问题的答案的一些略微修改的代码，通过每次重新绘制整个数字来实现这一点。我希望使用nbagg来实现相同的结果，但效率更高。

%matplotlib inline
import time
import pylab as pl
from IPython import display
for i in range(10):
    pl.clf()
    pl.plot(pl.randn(100))
    display.display(pl.gcf())
    display.clear_output(wait=True)
    time.sleep(1.0)

Answer 1

这是一个更新循环中的绘图的示例。它会更新图中的数据，并且不会每次都重绘整个数字。它会阻止执行，但如果您对运行一组有限的模拟并将结果保存在某个地方感兴趣，那么对您来说这可能不是问题。

%matplotlib notebook

import numpy as np
import matplotlib.pyplot as plt
import time

def pltsin(ax, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    fig.canvas.draw()

fig,ax = plt.subplots(1,1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, ['b', 'r'])
    time.sleep(1)

I put this up on nbviewer here.

有一个IPython Widget version of nbagg that is currently a work in progress at the Matplotlib repository。如果可以，那可能是使用nbagg的最佳方式。

编辑：更新以显示多个图

Answer 2

我正在使用jupyter-lab，它对我有用（适合您的情况）：

from IPython.display import clear_output
from matplotlib import pyplot as plt
import collections
%matplotlib inline

def live_plot(data_dict, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    for label,data in data_dict.items():
        plt.plot(data, label=label)
    plt.title(title)
    plt.grid(True)
    plt.xlabel('epoch')
    plt.legend(loc='center left') # the plot evolves to the right
    plt.show();

然后在循环中填充字典，然后将其传递给live_plot()：

data = collections.defaultdict(list)
for i in range(100):
    data['foo'].append(np.random.random())
    data['bar'].append(np.random.random())
    data['baz'].append(np.random.random())
    live_plot(data)

请确保在图下方有一些单元格，否则每次重绘图时视图都会锁定到位。

Answer 3

如果您不想清除所有输出，可以使用 display_id=True 获取句柄并在其上使用 .update()：

import numpy as np
import matplotlib.pyplot as plt
import time

from IPython import display

def pltsin(ax, *,hdisplay, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    hdisplay.update(fig)


fig,ax = plt.subplots(1,1)
hdisplay = display.display("", display_id=True)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, colors=['b', 'r'], hdisplay=hdisplay)
    time.sleep(1)
    
plt.close(fig)

（改编自@pneumatics）

Answer 4

我调整了@Ziofil答案并将其修改为接受x，y作为列表，并在同一图上输出散点图和线性趋势。

from IPython.display import clear_output
from matplotlib import pyplot as plt
%matplotlib inline
    
def live_plot(x, y, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    plt.xlim(0, training_steps)
    plt.ylim(0, 100)
    x= [float(i) for i in x]
    y= [float(i) for i in y]
    
    if len(x) > 1:
        plt.scatter(x,y, label='axis y', color='k') 
        m, b = np.polyfit(x, y, 1)
        plt.plot(x, [x * m for x in x] + b)

    plt.title(title)
    plt.grid(True)
    plt.xlabel('axis x')
    plt.ylabel('axis y')
    plt.show();

您只需要在循环内调用live_plot(x, y)。外观如下：

在Jupyter / iPython中动态更新绘图的当前正确方法是什么？

4 个答案: