Python 3.x 当我运行这个for循环时，为什么我的笔记本会崩溃？修复方法是什么？

我已经使用了与卡尔曼滤波器相关的代码，并尝试遍历每一列数据。我希望发生的是：

列数据被送入过滤器

过滤列数据（xhat）被放入另一个数据帧（过滤）

过滤后的列数据（xhat）用于生成可视数据

我已经创建了一个for循环来迭代列数据，但是当我运行单元格时，我会使笔记本崩溃。当它没有崩溃时，我得到以下警告：

C:\Users\perso\Anaconda3\envs\learn-env\lib\site-packages\ipykernel_launcher.py:45: RuntimeWarning: More than 20 figures have been opened. Figures created through the pyplot interface (`matplotlib.pyplot.figure`) are retained until explicitly closed and may consume too much memory. (To control this warning, see the rcParam `figure.max_open_warning`).

提前感谢您的帮助。我希望这个问题足够详细。我对最后一个进行了轰炸

    '''A Python implementation of the example given in pages 11-15 of "An
Introduction to the Kalman Filter" by Greg Welch and Gary Bishop,
University of North Carolina at Chapel Hill, Department of Computer
Science, TR 95-041,
https://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf'''

# by Andrew D. Straw
import numpy as np
import matplotlib.pyplot as plt
# dataframe created to hold filtered data
filtered = pd.DataFrame()

# intial parameters
for column in data:
    n_iter = len(data.index) #number of iterations equal to sample numbers
    sz = (n_iter,) # size of array
    z =  data[column] # observations
    Q = 1e-5 # process variance

# allocate space for arrays
    xhat=np.zeros(sz)      # a posteri estimate of x
    P=np.zeros(sz)         # a posteri error estimate
    xhatminus=np.zeros(sz) # a priori estimate of x
    Pminus=np.zeros(sz)    # a priori error estimate
    K=np.zeros(sz)         # gain or blending factor
    R = 1.0**2 # estimate of measurement variance, change to see effect

    # intial guesses
    xhat[0] = z[0]
    P[0] = 1.0

    for k in range(1,n_iter):
        # time update
        xhatminus[k] = xhat[k-1]
        Pminus[k] = P[k-1]+Q

        # measurement update
        K[k] = Pminus[k]/( Pminus[k]+R )
        xhat[k] = xhatminus[k]+K[k]*(z[k]-xhatminus[k])
        P[k] = (1-K[k])*Pminus[k]
        # add new data to created dataframe
        filtered.assign(a = [xhat])
        #create visualization of noise reduction
        plt.rcParams['figure.figsize'] = (10, 8)
        plt.figure()
        plt.plot(z,'k+',label='noisy measurements')
        plt.plot(xhat,'b-',label='a posteri estimate')
        plt.legend()
        plt.title('Estimate vs. iteration step', fontweight='bold')
        plt.xlabel('column data')
        plt.ylabel('Measurement')

---

这似乎是一个相当直接的错误。该警告表示在创建警告之前，您试图绘制的数字超过当前限制（该参数可以更改，但默认设置为20）。这是因为在for循环的每次迭代中，您都会创建一个新的图形。根据n_iter的大小，您可能会打开数百或数千个图形。这些图中的每一个都需要资源来生成和显示，因此您在系统上创建了一个非常大的资源负载。要么处理速度非常慢，要么完全崩溃。在任何情况下，解决方案都是绘制更少的图形

---

我不知道你在循环中绘制的是什么，但似乎循环的每个迭代都对应于一个时间步，并且在每个时间步你都想绘制估计值和实际值。在这种情况下，您需要在循环之外定义一次地物和地物选项，而不是在每次迭代时。但更好的方法可能是提前生成要打印的所有数据，并将其存储在易于打印的数据类型（如列表）中，然后在最后打印一次

有道理，我欣赏快速响应，并将在创建新数据帧后在单独的单元格中运行绘图。