matplotlib中的实时阴谋 - python

Question

我试图在matplotlib中获得实时频谱分析器类型阴谋。我有一些代码工作（与在计算器上其他职位帮助）如下：

import time 
import numpy as np 
import matplotlib.pyplot as plt 

plt.axis([0, 1000, 0, 1]) 
plt.ion() 
plt.show() 

i=0 
np.zeros([1,500],'float') 
lines=plt.plot(y[0]) 

while 1: 
    i=i+1 
    lines.pop(0).remove() 
    y = np.random.rand(1,100) 
    lines=plt.plot(y[0]) 
    plt.draw() 

代码工作，我得到我想要的东西，但有一个严重的问题。情节窗口会在一段时间后冻结。我知道该程序仍在运行，通过检查我变量（我在Anaconda/Spyder中运行代码，所以我可以看到变量）。然而，绘图窗口会显示“无响应”，如果我通过ctrl + c终止Spyder中的python程序，绘图窗口会恢复生命并显示最新的绘图。

因为如何进一步调试问题，所以我在这里不知所措。任何人提供帮助？

感谢

Answer 1

要回答我自己，我解决了这个问题由

plt.draw() 

后加入

plt.pause(0.01) 

这可能允许GUI来完成绘图，有的地方清空缓冲区（我的猜测）在新数据进来之前。

Answer 2

我不确定是否加plt.pause将完全解决您的问题。在应用程序崩溃之前可能需要更长的时间。您的应用程序使用的内存似乎随着时间的推移而不断增加（即使在添加plt.pause之后）。以下是两个建议，可以帮助您与您的当前问题：

1. 而不是删除/与remove和plot每次迭代重建线的艺术家，我会用同样的艺术家在整个动画，简单地更新其ydata。

2. 我会用明确的处理程序斧头和图形，并通过调用pyplot和show明确draw图上manager和canvas，而不是与隐电话去，下面的post by tcaswell给出的建议。

按照上面的代码看起来是这样的：

import numpy as np 
import matplotlib.pyplot as plt 

fig, ax = plt.subplots() 
ax.axis([0, 100, 0, 1]) 

y = np.random.rand(100) 
lines = ax.plot(y) 

fig.canvas.manager.show() 

i=0 
while 1: 
    i=i+1 
    y = np.random.rand(100) 
    lines[0].set_ydata(y) 
    fig.canvas.draw() 
    fig.canvas.flush_events() 

我已经运行上面的代码有一个良好的10分钟，由应用程序所使用的内存保持稳定整个时间，而当前代码使用的内存（无plt.pause）在同一时期增加了大约30MiB。

Answer 3

我知道我很迟才回答这个问题，但对于您的问题，您可以查看“游戏杆”包。它基于line.set_data（）和canvas.draw（）方法，可选轴重新缩放，因此最有可能比删除一行和添加一行更快。它还允许交互式文本记录或图形绘制（除了图形绘制）。 没有必要在一个单独的线程中做自己的循环，软件包会照顾它，只是给你想要的更新频率。另外终​​端仍然可用于更多的监控命令，而实时绘图，这是不可能与“真正的”循环。 见http://www.github.com/ceyzeriat/joystick/或https://pypi.python.org/pypi/joystick（PIP使用操纵杆安装安装）

尝试：

import joystick as jk 
import numpy as np 
import time 

class test(jk.Joystick): 
    # initialize the infinite loop decorator 
    _infinite_loop = jk.deco_infinite_loop() 

    def _init(self, *args, **kwargs): 
     """ 
     Function called at initialization, see the doc 
     """ 
     self._t0 = time.time() # initialize time 
     self.xdata = np.array([self._t0]) # time x-axis 
     self.ydata = np.array([0.0]) # fake data y-axis 
     # create a graph frame 
     self.mygraph = self.add_frame(jk.Graph(name="test", size=(500, 500), pos=(50, 50), fmt="go-", xnpts=100, xnptsmax=1000, xylim=(None, None, 0, 1))) 

    @_infinite_loop(wait_time=0.2) 
    def _generate_data(self): # function looped every 0.2 second to read or produce data 
     """ 
     Loop starting with the simulation start, getting data and 
    pushing it to the graph every 0.2 seconds 
     """ 
     # concatenate data on the time x-axis 
     self.xdata = jk.core.add_datapoint(self.xdata, time.time(), xnptsmax=self.mygraph.xnptsmax) 
     # concatenate data on the fake data y-axis 
     self.ydata = jk.core.add_datapoint(self.ydata, np.random.random(), xnptsmax=self.mygraph.xnptsmax) 
     self.mygraph.set_xydata(t, self.ydata) 

t = test() 
t.start() 
t.stop()