Bagaimana untuk Mempercepatkan Plotting Matplotlib untuk Meningkatkan Prestasi?

Mengapa Matplotlib Sangat Lambat?

Apabila menilai perpustakaan merancang Python, adalah penting untuk mempertimbangkan prestasi. Matplotlib, perpustakaan yang digunakan secara meluas, mungkin kelihatan lembap, menimbulkan persoalan tentang mempercepatkannya atau meneroka pilihan alternatif. Mari kita selami isu ini dan terokai penyelesaian yang mungkin.

Contoh yang disediakan mempamerkan plot dengan berbilang subplot dan kemas kini data. Dengan Matplotlib, proses ini melibatkan melukis semula segala-galanya, termasuk sempadan paksi dan label tanda, menghasilkan prestasi yang perlahan.

Memahami Bottlenecks

Dua faktor utama menyumbang kepada kelembapan:

1. Melukis Semula Berlebihan: Fungsi fig.canvas.draw() Matplotlib melukis semula keseluruhan rajah, walaupun hanya sebahagian kecil yang perlu dikemas kini.
2. Label Tick yang Banyak: Sebilangan besar label dan subplot tick boleh membebankan proses lukisan dengan ketara.

Mengoptimumkan dengan Blitting

Untuk menangani kesesakan ini , pertimbangkan untuk menggunakan blitting. Mencetuskan melibatkan mengemas kini bahagian tertentu sahaja pada rajah, mengurangkan masa pemaparan. Walau bagaimanapun, kod khusus bahagian belakang diperlukan untuk pelaksanaan yang cekap, yang mungkin memerlukan membenamkan plot Matplotlib dalam kit alat GUI.

GUI-Neutral Blitting

GUI-neutral blitting teknik boleh memberikan prestasi yang munasabah tanpa pergantungan bahagian belakang:

1. Tangkap Latar Belakang: Sebelum animasi, tangkap latar belakang setiap subplot untuk dipulihkan kemudian.
2. Kemas kini dan Lukis: Untuk setiap bingkai, kemas kini data dan artis garisan, memulihkan latar belakang dan meletuskan bahagian yang dikemas kini.
3. Elakkan Lukis Semula: Gunakan fig.canvas.blit( ax.bbox) dan bukannya fig.canvas.draw() untuk mengemas kini kawasan yang diperlukan sahaja.

Contoh Pelaksanaan:

<code class="python">import matplotlib.pyplot as plt
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)]

# Capture Background
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

for i in xrange(1, 2000):
    for j, (line, ax, background) in enumerate(zip(lines, axes, backgrounds), start=1):
        fig.canvas.restore_region(background)
        line.set_ydata(np.sin(j*x + i/10.0))
        ax.draw_artist(line)
        fig.canvas.blit(ax.bbox)</code>

Modul Animasi

Versi Matplotlib terkini termasuk modul animasi, yang memudahkan blitting:

<code class="python">import matplotlib.pyplot as plt
import matplotlib.animation as animation

def animate(i):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x + i/10.0))

ani = animation.FuncAnimation(fig, animate, xrange(1, 200), interval=0, blit=True)</code>

Atas ialah kandungan terperinci Bagaimana untuk Mempercepatkan Plotting Matplotlib untuk Meningkatkan Prestasi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!