为什么使用Matplotlib绘图如此缓慢？

Question

我目前正在评估不同的Python绘图库。现在我正在尝试Matplotlib，但是我对其性能感到非常失望。下面的例子改编自SciPy示例，但它只提供了每秒约8帧的速度！

有没有任何方法可以加快这个速度，或者我应该选择另一个绘图库？

from pylab import *
import time

ion()
fig = figure()
ax1 = fig.add_subplot(611)
ax2 = fig.add_subplot(612)
ax3 = fig.add_subplot(613)
ax4 = fig.add_subplot(614)
ax5 = fig.add_subplot(615)
ax6 = fig.add_subplot(616)

x = arange(0,2*pi,0.01)
y = sin(x)
line1, = ax1.plot(x, y, 'r-')
line2, = ax2.plot(x, y, 'g-')
line3, = ax3.plot(x, y, 'y-')
line4, = ax4.plot(x, y, 'm-')
line5, = ax5.plot(x, y, 'k-')
line6, = ax6.plot(x, y, 'p-')

# turn off interactive plotting - speeds things up by 1 Frame / second
plt.ioff()


tstart = time.time()               # for profiling
for i in arange(1, 200):
    line1.set_ydata(sin(x+i/10.0))  # update the data
    line2.set_ydata(sin(2*x+i/10.0))
    line3.set_ydata(sin(3*x+i/10.0))
    line4.set_ydata(sin(4*x+i/10.0))
    line5.set_ydata(sin(5*x+i/10.0))
    line6.set_ydata(sin(6*x+i/10.0))
    draw()                         # redraw the canvas

print 'FPS:' , 200/(time.time()-tstart)

- memyself

---

以下内容可能会有帮助：https://dev59.com/bG445IYBdhLWcg3wLXIK - NPE

@aix - Glumpy在那个例子中只是帮助快速显示图像数据。但在这种情况下没有帮助。 - Joe Kington

尝试更改后端。请参阅我的答案：https://dev59.com/02ox5IYBdhLWcg3wzXel#30655528。或者关于后端的常见问题解答：http://matplotlib.org/faq/usage_faq.html#what-is-a-backend - dberm22

使用 fig.canvas.draw_idle() 而不是 fig.canvas.draw() 对我有用。 - Nirmal

Answer 1

首先，尽管这不会改变性能，考虑优化你的代码，类似于以下方式：

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)

通过上述示例，我获得了大约10fps的帧率。 顺便提一下，根据您的确切用例，matplotlib可能不是一个很好的选择。它面向出版质量的图形，而不是实时显示。 但是，有很多方法可以加速此示例。 这个效果如此之慢，主要有两个原因。 1）调用fig.canvas.draw()会重新绘制所有内容。 它是瓶颈。 在您的情况下，您不需要重新绘制诸如轴边界、刻度标签等的内容。 2）在您的情况下，有许多子图和大量的刻度标签。 这些需要很长时间才能绘制。 这两者都可以通过使用blitting来解决。 为了有效地进行blitting，您必须使用特定于后端的代码。 实际上，如果您真的担心平滑动画，通常会将matplotlib绘图嵌入某种GUI工具包中，因此这不是什么问题。 然而，如果不了解更多关于您正在做什么的信息，我无法在这方面为您提供帮助。 尽管如此，仍有一种与GUI无关的方法，速度仍然相对较快。

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)

这让我达到了约200帧每秒的速度。

为了使这更加方便，最近版本的matplotlib中有一个animations模块。

以下是一个例子：

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()

- Joe Kington

---

这是生成图像的链接 http://i.imgur.com/aBRFz.png 这可能是由于我的显卡造成的人为瑕疵吗？ - memyself

在 i.imgur.com/aBRFz.png 中，我看到的与我自己看到的是一样的，直到我把背景捕获移到 fig.show() 下方。 - Michael Browne

不错，但是 animation 函数似乎是按照 interval 时间间隔更新图表的，那如果我只想在有新数据时更新它呢？ - Alcott

我刚刚运行了你的解决方案中的第一个代码示例，它没有显示任何动画或动态更新的图表，我的意思是在执行代码后，图表只是出现了，为什么？ - Alcott

@JoeKington 我在哪里可以获取有关加速matplotlib实时更新数据技术的更多信息？ - Bidon

Answer 2

Matplotlib可以制作出出色的出版质量图形，但对于速度优化方面并不是非常出色。 有许多旨在提高速度的 Python 绘图包：

• http://vispy.org
• http://pyqtgraph.org/
• http://docs.enthought.com/chaco/
• http://pyqwt.sourceforge.net/
  [ 编辑：pyqwt 不再维护；之前的维护者推荐使用 pyqtgraph ]
• http://code.google.com/p/guiqwt/

- Luke

---

我非常喜欢使用http://pyqtgraph.org/documentation/来处理实时流数据。Luke做得很好！ - droid192

Answer 3

首先，Joe Kington's answer 提供了非常好的使用gui中立方法的建议，您一定要采纳他的建议（特别是关于Blitting），并付诸实践。有关此方法的更多信息，请阅读Matplotlib Cookbook。

然而，非GUI中立（GUI偏向？）的方法对于加速绘图至关重要。换句话说，backend 对于绘图速度非常重要。

在从matplotlib导入任何其他内容之前，请将这两行放在最前面：

import matplotlib
matplotlib.use('GTKAgg') 

当然，除了GTKAgg之外，还有各种选项可供使用，但根据前面提到的食谱，这是最快的。请参阅有关后端的链接以获取更多选项。

- dberm22

---

这只适用于Windows，你知道如何让它在Mac上运行吗？之所以它是Windows特定的，是因为pygtk是Windows特定的。 - user308827

pygtk并不是特定于Windows的。事实上，在Windows下让它工作起来非常麻烦（如果可能的话，我已经放弃了）。 - Joseph Redfern

@np8 不过，这种方法有一个缺点：将后端设置为"Agg"无法显示绘图。根据手册，"Agg是一种非交互式后端，只能写入文件"。 - Daniel K.

@DanielK. 没错。我想我有一个脚本创建了许多图并将它们保存到文件中。对于交互式会话，需要一个交互式后端。 - Niko Pasanen

@DanielK.没错。我记得我有一个脚本可以创建多个图表并将它们保存到文件中。对于交互式会话，我们需要一个交互式的后端。 - Niko Föhr

Answer 4

对于由Joe Kington提出的第一个解决方案（.copy_from_bbox & .draw_artist & canvas.blit），我必须在fig.canvas.draw()行之后捕获背景，否则背景没有效果，我得到了你提到的相同结果。如果您将其放在fig.show()之后，它仍然不像Michael Browne所建议的那样工作。

因此，只需将背景线放在canvas.draw()之后即可：

[...]
fig.show()

# We need to draw the canvas before we start animating...
fig.canvas.draw()

# Let's capture the background of the figure
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

- Sebastian

---

你应该编辑他的回答，而不是发布一个新的回答。 - endolith

Answer 5

这可能不适用于你们中的许多人，但我通常在Linux下操作我的计算机，所以默认情况下我将我的matplotlib图保存为PNG和SVG格式。在Linux下这个方法很好用，但在我的Windows 7系统上（使用MiKTeX、Python(x,y)或Anaconda），速度非常慢，几乎无法忍受。因此，我添加了以下代码，这样在Windows系统上就能正常运行了：

import platform     # Don't save as SVG if running under Windows.
#
# Plot code goes here.
#
fig.savefig('figure_name.png', dpi = 200)
if platform.system() != 'Windows':
    # In my installations of Windows 7, it takes an inordinate amount of time to save
    # graphs as .svg files, so on that platform I've disabled the call that does so.
    # The first run of a script is still a little slow while everything is loaded in,
    # but execution times of subsequent runs are improved immensely.
    fig.savefig('figure_name.svg')

- marisano