Question

多年来，我一直在努力在matplotlib中进行有效的现场策划，直到今天我仍然不满意。

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

以下是一些演示代码：

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，Plots应该会更新，我们应该在redraw_figure()之后的任何断点处停止时看到最新的数据。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）

我可以将其实现为：

def redraw_figure():
    plt.gcf().canvas.flush_events()
    plt.show(block=False)

并且运行速度更快（~11FPS），但是当您在断点处停止时（例如，如果我在t_start = ...线上放置断点，第二个图未出现），则图不是最新的。 / p>

奇怪的是，实际上工作的是两次调出节目：

def redraw_figure():
    plt.gcf().canvas.flush_events()
    plt.show(block=False)
    plt.show(block=False)

如果您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。

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

一些注意事项：

我在OSX上，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。
blog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开心。他们的幸福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，但这并不像在redraw_figure函数中添加不同内容那么简单（您需要跟踪要重绘的内容）。

Answer 1

首先，问题中发布的代码在我的机器上以7 fps运行，QT4Agg作为后端。

现在，正如许多帖子（如here或here中所建议的那样），使用blit可能是一种选择。虽然this article提到那个blit导致强烈的内存泄漏，但我无法观察到。

我稍微修改了你的代码并比较了使用和不使用blit的帧速率。下面的代码给出了

没有blit运行时的18 fps
28 fps with blit

代码：

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

def live_update_demo(blit = False):
    x = np.linspace(0,50., num=100)
    X,Y = np.meshgrid(x,x)
    fig = plt.figure()
    ax1 = fig.add_subplot(2, 1, 1)
    ax2 = fig.add_subplot(2, 1, 2)

    fig.canvas.draw()   # note that the first draw comes before setting data 

    h1 = ax1.imshow(X, vmin=-1, vmax=1, interpolation="None", cmap="RdBu")

    h2, = ax2.plot(x, lw=3)
    text = ax2.text(0.8,1.5, "")
    ax2.set_ylim([-1,1])


    if blit:
        # cache the background
        axbackground = fig.canvas.copy_from_bbox(ax1.bbox)
        ax2background = fig.canvas.copy_from_bbox(ax2.bbox)

    t_start = time.time()
    k=0.
    for i in np.arange(1000):
        h1.set_data(np.sin(X/3.+k)*np.cos(Y/3.+k))
        h2.set_ydata(np.sin(x/3.+k))
        tx = 'Mean Frame Rate:\n {fps:.3f}FPS'.format(fps= ((i+1) / (time.time() - t_start)) ) 
        text.set_text(tx)
        #print tx
        k+=0.11
        if blit:
            # restore background
            fig.canvas.restore_region(axbackground)
            fig.canvas.restore_region(ax2background)

            # redraw just the points
            ax1.draw_artist(h1)
            ax2.draw_artist(h2)

            # fill in the axes rectangle
            fig.canvas.blit(ax1.bbox)
            fig.canvas.blit(ax2.bbox)
            # in this post http://bastibe.de/2013-05-30-speeding-up-matplotlib.html
            # it is mentionned that blit causes strong memory leakage. 
            # however, I did not observe that.

        else:
            # redraw everything
            fig.canvas.draw()
            fig.canvas.flush_events()


        plt.pause(0.000000000001) 
        #plt.pause calls canvas.draw(), as can be read here:
        #http://bastibe.de/2013-05-30-speeding-up-matplotlib.html
        #however with Qt4 (and TkAgg??) this is needed. It seems,using a different backend, 
        #one can avoid plt.pause() and gain even more speed.


live_update_demo(True) # 28 fps
#live_update_demo(False) # 18 fps

<强>更新
为了更快地绘图，可以考虑使用pyqtgraph 正如pyqtgraph documentation所说的那样：＆＃34;对于绘图，pyqtgraph几乎不像matplotlib那样完整/成熟，但运行得更快。＆＃34;

我将上面的例子移植到pyqtgraph。虽然它看起来有点难看，但它在我的机器上以250 fps运行。

总结一下，

matplotlib（没有blitting）：18 fps
matplotlib（有blitting）：28 fps
pyqtgraph： 250 fps

pyqtgraph代码：

import sys
import time
from pyqtgraph.Qt import QtCore, QtGui
import numpy as np
import pyqtgraph as pg


class App(QtGui.QMainWindow):
    def __init__(self, parent=None):
        super(App, self).__init__(parent)

        #### Create Gui Elements ###########
        self.mainbox = QtGui.QWidget()
        self.setCentralWidget(self.mainbox)
        self.mainbox.setLayout(QtGui.QVBoxLayout())

        self.canvas = pg.GraphicsLayoutWidget()
        self.mainbox.layout().addWidget(self.canvas)

        self.label = QtGui.QLabel()
        self.mainbox.layout().addWidget(self.label)

        self.view = self.canvas.addViewBox()
        self.view.setAspectLocked(True)
        self.view.setRange(QtCore.QRectF(0,0, 100, 100))

        #  image plot
        self.img = pg.ImageItem(border='w')
        self.view.addItem(self.img)

        self.canvas.nextRow()
        #  line plot
        self.otherplot = self.canvas.addPlot()
        self.h2 = self.otherplot.plot(pen='y')


        #### Set Data  #####################

        self.x = np.linspace(0,50., num=100)
        self.X,self.Y = np.meshgrid(self.x,self.x)

        self.counter = 0
        self.fps = 0.
        self.lastupdate = time.time()

        #### Start  #####################
        self._update()

    def _update(self):

        self.data = np.sin(self.X/3.+self.counter/9.)*np.cos(self.Y/3.+self.counter/9.)
        self.ydata = np.sin(self.x/3.+ self.counter/9.)

        self.img.setImage(self.data)
        self.h2.setData(self.ydata)

        now = time.time()
        dt = (now-self.lastupdate)
        if dt <= 0:
            dt = 0.000000000001
        fps2 = 1.0 / dt
        self.lastupdate = now
        self.fps = self.fps * 0.9 + fps2 * 0.1
        tx = 'Mean Frame Rate:  {fps:.3f} FPS'.format(fps=self.fps )
        self.label.setText(tx)
        QtCore.QTimer.singleShot(1, self._update)
        self.counter += 1


if __name__ == '__main__':

    app = QtGui.QApplication(sys.argv)
    thisapp = App()
    thisapp.show()
    sys.exit(app.exec_())

Matplotlib / PyPlot中的快速实时绘图

结论

1 个答案: