Po pierwsze (chociaż nie zmieni to wcale wydajności) rozważ wyczyszczenie kodu, podobnie do tego:
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)
W powyższym przykładzie uzyskuję około 10 klatek na sekundę.
Krótka uwaga, w zależności od konkretnego przypadku użycia, matplotlib może nie być świetnym wyborem. Jest zorientowany na dane o jakości publikacyjnej, a nie wyświetlanie w czasie rzeczywistym.
Jest jednak wiele rzeczy, które możesz zrobić, aby przyspieszyć ten przykład.
Istnieją dwa główne powody, dla których jest to tak powolne.
1) Wywołanie fig.canvas.draw()przerysowuje wszystko . To twoje wąskie gardło. W twoim przypadku nie musisz ponownie rysować rzeczy, takich jak granice osi, etykiety znaczników itp.
2) W twoim przypadku jest wiele wątków pobocznych z wieloma etykietami tików. Te rysowanie zajmuje dużo czasu.
Oba można naprawić za pomocą blittingu.
Aby efektywnie korzystać z blittingu, musisz użyć kodu specyficznego dla zaplecza. W praktyce, jeśli naprawdę martwisz się płynnymi animacjami, i tak zazwyczaj osadzasz wykresy matplotlib w jakimś zestawie narzędzi GUI, więc nie stanowi to większego problemu.
Jednak nie wiedząc więcej o tym, co robisz, nie mogę Ci w tym pomóc.
Niemniej jednak istnieje sposób, w jaki można to zrobić, neutralny pod względem GUI, który jest nadal dość szybki.
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()
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)]
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)
To daje ~ 200 fps.
Aby było to trochę wygodniejsze, animationsw najnowszych wersjach matplotlib dostępny jest moduł.
Jako przykład:
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
ani = animation.FuncAnimation(fig, animate, xrange(1, 200),
interval=0, blit=True)
plt.show()