Matplotlib/PyPlot中的快速实时打印_Matplotlib

Matplotlib/PyPlot中的快速实时打印

matplotlib

Matplotlib/PyPlot中的快速实时打印,matplotlib,Matplotlib,多年来，我一直在努力在matplotlib中获得高效的实时绘图，直到今天我仍然不满意我需要一个redraw\u figure函数，该函数更新图形“live”（在代码运行时），并在断点处停止时显示最新的绘图下面是一些演示代码： import time from matplotlib import pyplot as plt import numpy as np def live_update_demo(): plt.subplot(2, 1, 1) h1 = plt.ims

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

我需要一个

redraw\u figure

函数，该函数更新图形“live”（在代码运行时），并在断点处停止时显示最新的绘图

下面是一些演示代码：

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()

当代码运行时，绘图应该实时更新，并且在

redraw\u figure（）之后的任何断点处停止时，我们应该看到最新的数据。问题是如何最好地实现redraw\u figure（）

在上面的实现中（plt.draw（）；plt.pause（0.00001）
），它可以工作，但速度非常慢（~3.7FPS）
我可以这样做：
def redraw_figure():
    plt.gcf().canvas.flush_events()
    plt.show(block=False)

它运行得更快（~11FPS），但当您在断点处停止时，绘图不是最新的（例如，如果我在t\u start=…
行上放置一个断点，则第二个绘图不会出现）
奇怪的是，真正起作用的是给这个节目打两次电话：
def redraw_figure():
    plt.gcf().canvas.flush_events()
    plt.show(block=False)
    plt.show(block=False)

这会产生11FPS，并且在任何一条线上中断时，都会使绘图与数据保持一致
现在我听说“block”关键字已被弃用。两次调用同一个函数似乎是一种奇怪的、可能是不可移植的黑客行为
那么，我可以在这个函数中加入什么，它将以合理的帧速率绘制，而不是一个巨大的混乱，并且最好能够跨后端和系统工作
一些注意事项：

我在OSX上，使用TkAgg
后端，但欢迎在任何后端/系统上使用解决方案
交互模式“开启”将不起作用，因为它不会实时更新。当解释器等待用户输入时，它只是在Python控制台中更新
A建议执行：
def redraw_图（）：
图=plt.gcf（）
图canvas.draw（）
图canvas.flush_事件（）

但至少在我的系统上，这根本不会重新绘制情节
所以，如果有人有答案，你会直接让我和成千上万的人非常高兴。他们的幸福感可能会渗透到他们的朋友和亲戚，以及他们的朋友和亲戚，等等，这样你就有可能改善数十亿人的生活。
结论
ImportantanceOfBeingernest展示了如何使用blit进行更快的绘图，但这并不像在redraw\u figure
函数中添加不同的内容那样简单（您需要跟踪要重画的内容）
 首先，问题中发布的代码在我的机器上以7 fps的速度运行，QT4Agg作为后端
现在，正如许多帖子所建议的，比如or，使用blit
可能是一种选择。虽然提到blit会导致严重的内存泄漏，但我无法观察到这一点
我对你的代码做了一些修改，并比较了使用和不使用blit时的帧速率。下面的代码给出了

在没有blit的情况下运行时为28 fps
175 fps带blit

代码：

更新：

为了更快的绘制，可以考虑使用。
正如作者所说：“对于绘图，pyqtgraph不像matplotlib那样完整/成熟，但运行速度要快得多。”
我将上述示例移植到pyqtgraph。虽然它看起来有点难看，但在我的机器上，它以每秒250帧的速度运行
综上所述,

matplotlib（无间歇）：每秒28帧
matplotlib（带间歇）：175 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_())

导入系统
导入时间
从pyqtgraph.Qt导入QtCore、QtGui
将numpy作为np导入
将pyqtgraph作为pg导入
类应用程序（QtGui.QMainWindow）：
def uuu init uuu（self，parent=None）：
超级（应用程序，自我）。\uuuuu初始化\uuuuuuuu（父级）
####创建Gui元素###########
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（0,01001100））
#图像打印
self.img=pg.ImageItem（border='w'）
self.view.addItem（self.img）
self.canvas.nextRow（）
#线形图
self.otherplot=self.canvas.addPlot（）
self.h2=self.otherplot.plot（pen='y'）
####设置数据#####################
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（）
####开始#####################
自我更新（）
def_更新（自）：
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=（现在是self.lastupdate）
如果dt首先，问题中发布的代码在我的机器上以7fps的速度运行，以QT4Agg作为后端
现在，正如许多帖子所建议的，比如or，使用blit
可能是一种选择。虽然提到blit会导致严重的内存泄漏，但我无法观察到这一点
我对你的代码做了一些修改，并比较了使用和不使用blit时的帧速率。下面的代码给出了

在没有blit的情况下运行时为28 fps
175 fps带blit

代码：

更新：

为了更快的绘制，可以考虑使用。
正如作者所说：“对于绘图，pyqtgraph不像matplotlib那样完整/成熟，但运行速度要快得多。”
我将上述示例移植到pyqtgraph。虽然它看起来有点难看，但在我的机器上，它以每秒250帧的速度运行
综上所述,

matplotlib（不带bli）
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_())

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

fig = 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()