Python 如何使用固定数据框进行动态matplotlib打印？

我有一个名为

benchmark\u returns

和

strategy\u returns

的数据框架。两者的时间跨度相同。我想找到一种方法，以一种很好的动画风格来绘制数据点，以便它显示逐渐加载的所有点。我知道有一个

matplotlib.animation.FuncAnimation（）

，但是这通常只用于实时更新csv文件等，但在我的情况下，我知道我要使用的所有数据

我也尝试过使用粗糙的

plt.pause（0.01）

方法，但是随着绘制点数的增加，速度会急剧减慢

这是到目前为止我的代码

x = benchmark_returns.index
y = benchmark_returns['Crypto 30'] 
y2 = benchmark_returns['Dow Jones 30']
y3 = benchmark_returns['NASDAQ'] 
y4 = benchmark_returns['S&P 500']


fig, ax = plt.subplots()
line, = ax.plot(x, y, color='k')
line2, = ax.plot(x, y2, color = 'b')
line3, = ax.plot(x, y3, color = 'r')
line4, = ax.plot(x, y4, color = 'g')

def update(num, x, y, y2, y3, y4, line): 
    line.set_data(x[:num], y[:num])
    line2.set_data(x[:num], y2[:num])
    line3.set_data(x[:num], y3[:num])
    line4.set_data(x[:num], y4[:num])

    return line, line2, line3, line4,

ani = animation.FuncAnimation(fig, update, fargs=[x, y, y2, y3, y4, line], 
                              interval = 1, blit = True)
plt.show()

---

您可以将数据更新到line元素中，如下所示：

fig = plt.figure()
ax = fig.add_subplot(111)
liner, = ax.plot()
plt.ion()
plt.show()
for i in range(len(benchmark_returns.values)):
    liner.set_ydata(benchmark_returns['Crypto 30'][:i])
    liner.set_xdata(benchmark_returns.index[:i])
    plt.pause(0.01)

你可以试试。它的操作类似于

FuncAnimation

，因为您可以指定帧间隔、循环行为等，但所有打印都是在动画步骤之前一次完成的。这里有一个例子

导入matplotlib.pyplot作为plt
作为pd进口熊猫
将numpy作为np导入
从matplotlib.animation导入ArtistAnimation
n=150
x=np.linspace（0，np.pi*4，n）
df=pd.DataFrame（{'cos（x）'：np.cos（x），
“sin（x）”：名词sin（x），
“tan（x）”：名词tan（x），
“sin（cos（x））”：np.sin（np.cos（x））}）
图，axs=plt.子批次（nrows=2，ncols=2，figsize=（10,10））
行=[]
艺术家=[]]
对于ax，zip中的列（axs.flatte（），df.columns.values）：
行追加（ax.plot（df[col]）[0]）
artists.append（lines.copy（））
动画=艺术形象（图，艺术家，间隔=500，重复时间=1000）

这里的缺点是，每个艺术家要么被绘制，要么不被绘制，也就是说，如果不进行剪裁，就不能只绘制

Line2D

对象的一部分。如果这与您的用例不兼容，那么您可以尝试将

FuncAnimation

与

blit=True

一起使用，并将每次要绘制的数据分块，以及使用

set_data（）

而不是在每次迭代时清除和重新绘制。使用上述相同数据的示例如下：

导入matplotlib.pyplot作为plt
作为pd进口熊猫
将numpy作为np导入
从matplotlib.animation导入FuncAnimation
n=500
nf=100
x=np.linspace（0，np.pi*4，n）
df=pd.DataFrame（{'cos（x）'：np.cos（x），
“sin（x）”：名词sin（x），
“tan（x）”：名词tan（x），
“sin（cos（x））”：np.sin（np.cos（x））}）
图，axs=plt.子批次（2,2，figsize=（5,5），dpi=50）
行=[]
对于ax，zip中的列（axs.flatte（），df.columns）：
line.append（ax.plot（[]，lw=0.5）[0]）
ax.set_xlim（x[0]-x[-1]*0.05，x[-1]*1.05）
ax.set_ylim（[min（df[col].值）*1.05，max（df[col].值）*1.05]）
最大勾选参数（labelbottom=False，bottom=False，left=False，labelleft=False）
plt.子批次调整（hspace=0，wspace=0，左=0.02，右=0.98，底部=0.02，顶部=0.98）
利润率（1，1）
c=int（n/nf）
定义动画（i）：
如果（i！=nf-1）：
对于行，zip中的列（行，df.列）：
line.set_数据（x[：（i+1）*c]，df[col]。值[：（i+1）*c]）
其他：
对于行，zip中的列（行，df.列）：
line.set_数据（x，df[col].值）
回程线
anim=FuncAnimation（图，动画，间隔=2000/nf，帧=nf，blit=True）

---

编辑 作为对评论的回应，以下是使用问题中更新的代码实现分块方案：

x=benchmark\u returns.index
y=基准_返回值['Crypto 30']
y2=基准_收益率['Dow Jones 30']
y3=基准_收益率['NASDAQ']
y4=基准_收益率['S&P500']
直线，=ax.plot（x，y，color='k'）
第2行，=ax.plot（x，y2，颜色='b'）
第3行，=ax.plot（x，y3，颜色='r'）
第4行，=ax.plot（x，y4，颜色='g'）
n=len（x）#总行数
c=50#块大小
def更新（num）：
如果num*c

或者，更简洁地说

cols=benchmark\u返回.columns.values
#或者，仅用于列的子集
#cols=[‘加密30’、‘道琼斯30’、‘纳斯达克’、‘标准普尔500’]
颜色=['k'，'b'，'r'，'g']
行=[]
对于c，拉链中的颜色（颜色）：
line.append（ax.plot（benchmark\u returns.index，benchmark\u returns[col].values，c=c）[0]）
n=len（基准返回指数）
c=50#块大小
def更新（num）：
如果num*c

---

如果您需要它在特定时间后停止更新，只需在

FuncAnimation（）

中设置

frames

参数和

repeat=False

，我得到了一个``File“results.py”，第91行，在liner中，=ax.plot（）value错误：没有足够的值来解包（预期值为1，实际值为0）```error insteadI设法修复了错误，但运行时非常糟糕，有没有关于如何修复错误的提示？如果您可以使用NumPy数组作为输入而不是pandas系列，您可以看到运行时的潜在改进。您可能会发现这非常有帮助。还有其他比

matplotlib

更快的方法。我已经尝试过了，但是运行时不是最好的。看起来，随着数据规模的扩大，fps灾难性地下降。@HamishGibson这在某种程度上是不可避免的，当然有办法减轻它（使用

blit

，使用

set_data（）

，而不是清除和重新填充等），但在一定规模下，它仍然成为硬件问题。保证FPS不受数据大小影响的唯一真正方法是保存动画而不是实时显示