Question

我目前正在评估不同的python绘图库。现在我正在尝试使用matplotlib，我对性能非常失望。以下示例是从SciPy examples修改而来的，每秒只有~8帧！

任何提高速度的方法，还是应该选择不同的绘图库？

from pylab import *
import time

ion()
fig = figure()
ax1 = fig.add_subplot(611)
ax2 = fig.add_subplot(612)
ax3 = fig.add_subplot(613)
ax4 = fig.add_subplot(614)
ax5 = fig.add_subplot(615)
ax6 = fig.add_subplot(616)

x = arange(0,2*pi,0.01)
y = sin(x)
line1, = ax1.plot(x, y, 'r-')
line2, = ax2.plot(x, y, 'g-')
line3, = ax3.plot(x, y, 'y-')
line4, = ax4.plot(x, y, 'm-')
line5, = ax5.plot(x, y, 'k-')
line6, = ax6.plot(x, y, 'p-')

# turn off interactive plotting - speeds things up by 1 Frame / second
plt.ioff()


tstart = time.time()               # for profiling
for i in arange(1, 200):
    line1.set_ydata(sin(x+i/10.0))  # update the data
    line2.set_ydata(sin(2*x+i/10.0))
    line3.set_ydata(sin(3*x+i/10.0))
    line4.set_ydata(sin(4*x+i/10.0))
    line5.set_ydata(sin(5*x+i/10.0))
    line6.set_ydata(sin(6*x+i/10.0))
    draw()                         # redraw the canvas

print 'FPS:' , 200/(time.time()-tstart)

Answer 1

首先，（虽然这根本不会改变性能）考虑清理代码，类似于：

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

x = np.arange(0, 2*np.pi, 0.01)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)
styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
lines = [ax.plot(x, y, style)[0] for ax, style in zip(axes, styles)]

fig.show()

tstart = time.time()
for i in xrange(1, 20):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x + i/10.0))
    fig.canvas.draw()

print 'FPS:' , 20/(time.time()-tstart)

通过上面的例子，我得到了大约10fps。

请注意，根据您的具体用例，matplotlib可能不是一个很好的选择。它面向出版品质的数字，而非实时展示。

但是，你可以做很多事情来加速这个例子。

这有两个主要原因，为什么这么慢。

1）调用fig.canvas.draw()重绘所有内容。这是你的瓶颈。在您的情况下，您不需要重新绘制轴边界，刻度标签等内容。

2）在你的情况下，有很多带有很多刻度标签的子图。这些需要很长时间才能得出。

这两个都可以通过使用blitting来修复。

要有效地执行blitting，您必须使用特定于后端的代码。在实践中，如果你真的担心平滑的动画，你通常会在某种gui工具包中嵌入matplotlib图，所以这不是一个很大的问题。

但是，如果不了解您正在做什么，我无法帮助您。

尽管如此，仍然有一种非常中立的方式，但速度相当快。

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

x = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)

fig.show()

# We need to draw the canvas before we start animating...
fig.canvas.draw()

styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
def plot(ax, style):
    return ax.plot(x, y, style, animated=True)[0]
lines = [plot(ax, style) for ax, style in zip(axes, styles)]

# Let's capture the background of the figure
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

tstart = time.time()
for i in xrange(1, 2000):
    items = enumerate(zip(lines, axes, backgrounds), start=1)
    for j, (line, ax, background) in items:
        fig.canvas.restore_region(background)
        line.set_ydata(np.sin(j*x + i/10.0))
        ax.draw_artist(line)
        fig.canvas.blit(ax.bbox)

print 'FPS:' , 2000/(time.time()-tstart)

这给了我~200fps。

为了使这更方便，matplotlib的最新版本中有animations模块。

举个例子：

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

x = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)

styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
def plot(ax, style):
    return ax.plot(x, y, style, animated=True)[0]
lines = [plot(ax, style) for ax, style in zip(axes, styles)]

def animate(i):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x + i/10.0))
    return lines

# We'd normally specify a reasonable "interval" here...
ani = animation.FuncAnimation(fig, animate, xrange(1, 200), 
                              interval=0, blit=True)
plt.show()

Answer 2

Matplotlib可以提供出色的出版品质图形，但速度并不是很好。有各种各样的python绘图包，其设计考虑了速度：

http://vispy.org
http://pyqtgraph.org/
http://docs.enthought.com/chaco/
http://pyqwt.sourceforge.net/
[编辑：pyqwt不再维护;以前的维护者推荐pyqtgraph]
http://code.google.com/p/guiqwt/

Answer 3

首先，Joe Kington's answer使用gui-neutral方法提供非常好的建议，你一定要接受他的建议（特别是关于Blitting）并将其付诸实践。有关此方法的更多信息，请阅读Matplotlib Cookbook

然而，非GUI中立（GUI偏向？）方法是加速绘图的关键。换句话说，backend对于绘制速度非常重要。

在从matplotlib导入其他任何内容之前，请先输入这两行：

import matplotlib
matplotlib.use('GTKAgg')

当然，有多种选择可以代替GTKAgg使用，但根据前面提到的食谱，这是最快的。有关更多选项，请参阅有关后端的链接。

Answer 4

对于Joe Kington（.copy_from_bbox＆amp; .draw_artist＆amp; canvas.blit）提出的第一个解决方案，我必须在 fig.canvas.draw（）之后捕获背景线，否则背景没有效果，我得到了与你提到的相同的结果。如果你把它放在fig.show（）之后，它仍然不能像Michael Browne所建议的那样工作。

所以只需将放在后面的canvas.draw（）：

[...] fig.show() # We need to draw the canvas before we start animating... fig.canvas.draw() # Let's capture the background of the figure backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

Answer 5

这可能不适用于你们中的许多人，但我通常在Linux下运行我的计算机，因此默认情况下我将matplotlib图保存为PNG和SVG。这在Linux下运行良好，但在我的Windows 7安装[在Python（x，y）或Anaconda下的MiKTeX）上运行速度慢得令人难以忍受，所以我已经开始添加这些代码，并且在那里工作正常：

import platform     # Don't save as SVG if running under Windows.
#
# Plot code goes here.
#
fig.savefig('figure_name.png', dpi = 200)
if platform.system() != 'Windows':
    # In my installations of Windows 7, it takes an inordinate amount of time to save
    # graphs as .svg files, so on that platform I've disabled the call that does so.
    # The first run of a script is still a little slow while everything is loaded in,
    # but execution times of subsequent runs are improved immensely.
    fig.savefig('figure_name.svg')

为什么用Matplotlib绘图这么慢？

5 个答案: