如何加速 Matplotlib 繪圖以提高效能？

為什麼 Matplotlib 這麼慢？

在評估 Python 繪圖庫時，考慮效能很重要。 Matplotlib 是一個廣泛使用的函式庫，它看起來可能很緩慢，引發了加快速度或探索替代選項的問題。讓我們深入研究這個問題並探索可能的解決方案。

提供的範例展示了具有多個子圖和資料更新的圖表。使用 Matplotlib，此過程涉及重繪所有內容，包括軸邊界和刻度標籤，導致效能下降。

了解瓶頸

導致緩慢的兩個關鍵因素：

1. 過度重繪： Matplotlib 的Figplotlib .canvas.draw() 函數會重繪整個圖形，即使只有一小部分需要更新。
2. 豐富的刻度標籤：大量的刻度標籤和子圖會對繪圖過程造成很大的負擔。

使用 Blitting 進行最佳化

解決這些瓶頸，考慮使用位塊傳送。 Blitting 涉及僅更新圖形的特定部分，從而減少渲染時間。然而，為了高效實現，需要特定於後端的程式碼，這可能需要在 GUI 工具包中嵌入 Matplotlib 繪圖。

GUI 中性位圖傳輸

GUI 中性位圖傳輸此技術可在不依賴後端的情況下提供合理的效能：

1. 捕捉背景：在動畫之前，捕捉每個子圖的背景以便稍後恢復。
2. 更新和繪製：對於每一幀，更新線條的資料和藝術家，恢復背景併位圖更新部分。
3. 避免重繪：使用Fig.canvas.blit( ax.bbox) 而不是 Fig.canvas.draw() 來只更新必要的區域。

範例實作：

<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>

動畫模組

最近的Matplotlib 版本包含一個動畫模組，它簡化了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>

以上是如何加速 Matplotlib 繪圖以提高效能？的詳細內容。更多資訊請關注PHP中文網其他相關文章！