Jak zaktualizować działkę w matplotlib?

Mam problemy z przerysowaniem rysunku tutaj. Pozwalam użytkownikowi określić jednostki w skali czasu (oś x), a następnie ponownie obliczam i wywołuję tę funkcję plots(). Chcę, aby działka po prostu się zaktualizowała, a nie dodawała kolejną fabułę do figury.

def plots():
    global vlgaBuffSorted
    cntr()

    result = collections.defaultdict(list)
    for d in vlgaBuffSorted:
        result[d['event']].append(d)

    result_list = result.values()

    f = Figure()
    graph1 = f.add_subplot(211)
    graph2 = f.add_subplot(212,sharex=graph1)

    for item in result_list:
        tL = []
        vgsL = []
        vdsL = []
        isubL = []
        for dict in item:
            tL.append(dict['time'])
            vgsL.append(dict['vgs'])
            vdsL.append(dict['vds'])
            isubL.append(dict['isub'])
        graph1.plot(tL,vdsL,'bo',label='a')
        graph1.plot(tL,vgsL,'rp',label='b')
        graph2.plot(tL,isubL,'b-',label='c')

    plotCanvas = FigureCanvasTkAgg(f, pltFrame)
    toolbar = NavigationToolbar2TkAgg(plotCanvas, pltFrame)
    toolbar.pack(side=BOTTOM)
    plotCanvas.get_tk_widget().pack(side=TOP)

Zasadniczo masz dwie opcje:

1. Zrób dokładnie to, co aktualnie robisz, ale zadzwoń graph1.clear()i graph2.clear()przed ponownym przesłaniem danych. To najwolniejsza, ale najprostsza i najbardziej niezawodna opcja.

2. Zamiast przesuwać, możesz po prostu zaktualizować dane obiektów wydruku. Będziesz musiał wprowadzić pewne zmiany w swoim kodzie, ale powinno to być dużo, dużo szybsze niż ponowne przesyłanie rzeczy za każdym razem. Jednak kształt danych, które wykreślasz, nie może się zmienić, a jeśli zakres danych się zmienia, musisz ręcznie zresetować granice osi x i y.

Aby podać przykład drugiej opcji:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 6*np.pi, 100)
y = np.sin(x)

# You probably won't need this if you're embedding things in a tkinter plot...
plt.ion()

fig = plt.figure()
ax = fig.add_subplot(111)
line1, = ax.plot(x, y, 'r-') # Returns a tuple of line objects, thus the comma

for phase in np.linspace(0, 10*np.pi, 500):
    line1.set_ydata(np.sin(x + phase))
    fig.canvas.draw()
    fig.canvas.flush_events()

Możesz również wykonać następujące czynności: Spowoduje to narysowanie losowych danych macierzowych 10x1 na wykresie dla 50 cykli pętli for.

import matplotlib.pyplot as plt
import numpy as np

plt.ion()
for i in range(50):
    y = np.random.random([10,1])
    plt.plot(y)
    plt.draw()
    plt.pause(0.0001)
    plt.clf()

To zadziałało dla mnie. Wielokrotnie wywołuje funkcję aktualizującą wykres za każdym razem.

import matplotlib.pyplot as plt
import matplotlib.animation as anim

def plot_cont(fun, xmax):
    y = []
    fig = plt.figure()
    ax = fig.add_subplot(1,1,1)

    def update(i):
        yi = fun()
        y.append(yi)
        x = range(len(y))
        ax.clear()
        ax.plot(x, y)
        print i, ': ', yi

    a = anim.FuncAnimation(fig, update, frames=xmax, repeat=False)
    plt.show()

„fun” to funkcja zwracająca liczbę całkowitą. FuncAnimation będzie wielokrotnie wywoływać „update”, zrobi to „xmax” razy.

Na wypadek, gdyby ktoś natknął się na ten artykuł i szukał tego, czego szukałem, przykłady znalazłem pod adresem

Jak wizualizować skalarne dane 2D za pomocą Matplotlib?

i

http://mri.brechmos.org/2009/07/automatically-update-a-figure-in-a-loop (na web.archive.org)

następnie zmodyfikował je tak, aby używały imshow z wejściowym stosem ramek, zamiast generować i używać konturów w locie.

Zaczynając od tablicy 3D obrazów kształtu (nBins, nBins, nBins) o nazwie frames.

def animate_frames(frames):
    nBins   = frames.shape[0]
    frame   = frames[0]
    tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
    for k in range(nBins):
        frame   = frames[k]
        tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
        del tempCS1
        fig.canvas.draw()
        #time.sleep(1e-2) #unnecessary, but useful
        fig.clf()

fig = plt.figure()
ax  = fig.add_subplot(111)

win = fig.canvas.manager.window
fig.canvas.manager.window.after(100, animate_frames, frames)

Znalazłem również znacznie prostszy sposób na wykonanie całego procesu, choć mniej solidny:

fig = plt.figure()

for k in range(nBins):
    plt.clf()
    plt.imshow(frames[k],cmap=plt.cm.gray)
    fig.canvas.draw()
    time.sleep(1e-6) #unnecessary, but useful

Zauważ, że oba z nich wydają się działać tylko z ipython --pylab=tk, akabackend = TkAgg

Dziękuję za pomoc we wszystkim.

Wydałem pakiet o nazwie python-drawnow, który zapewnia funkcjonalność umożliwiającą aktualizację figury, zwykle wywoływaną w pętli for, podobnie jak w Matlabie drawnow.

Przykładowe użycie:

from pylab import figure, plot, ion, linspace, arange, sin, pi
def draw_fig():
    # can be arbitrarily complex; just to draw a figure
    #figure() # don't call!
    plot(t, x)
    #show() # don't call!

N = 1e3
figure() # call here instead!
ion()    # enable interactivity
t = linspace(0, 2*pi, num=N)
for i in arange(100):
    x = sin(2 * pi * i**2 * t / 100.0)
    drawnow(draw_fig)

Ten pakiet działa z każdą figurą matplotlib i zapewnia opcje czekania po każdej aktualizacji figury lub umieszczenia w debugerze.

Wszystko to może być prawdą, jednak dla mnie „aktualizacja online” danych działa tylko z niektórymi backendami, szczególnie wx. Możesz po prostu spróbować to zmienić, np. Uruchamiając ipython / pylab przez ipython --pylab=wx! Powodzenia!

To zadziałało dla mnie:

from matplotlib import pyplot as plt
from IPython.display import clear_output
import numpy as np
for i in range(50):
    clear_output(wait=True)
    y = np.random.random([10,1])
    plt.plot(y)
    plt.show()