Во-первых, (хотя это никак не повлияет на производительность) подумайте о том, чтобы очистить свой код, примерно так:
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)
В приведенном выше примере я получаю около 10 кадров в секунду.
Небольшое примечание: в зависимости от конкретного случая использования matplotlib может быть не лучшим выбором. Он ориентирован на показатели качества публикации, а не на отображение в реальном времени.
Однако есть много вещей, которые вы можете сделать, чтобы ускорить этот пример.
Есть две основные причины, по которым это происходит так медленно.
1) Вызов всеfig.canvas.draw() перерисовывает . Это ваше узкое место. В вашем случае вам не нужно перерисовывать такие вещи, как границы осей, метки и т. Д.
2) В вашем случае есть много подзаголовков с множеством меток. На их рисование уходит много времени.
И то, и другое можно исправить с помощью блиттинга.
Чтобы выполнять блиттинг эффективно, вам придется использовать код, специфичный для серверной части. На практике, если вы действительно беспокоитесь о плавной анимации, вы в любом случае обычно встраиваете графики matplotlib в какой-то набор инструментов gui, так что это не большая проблема.
Однако, не зная больше о том, что вы делаете, я не могу вам помочь.
Тем не менее, есть способ сделать это с нейтральным интерфейсом пользователя, который по-прежнему достаточно быстрый.
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)
Это дает мне ~ 200 кадров в секунду.
Чтобы сделать это немного более удобным, animationsв последних версиях matplotlib есть модуль.
Например:
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()