Matplotlib animation zu langsam ( ~3 fps )

Muss ich animieren, um die Daten so wie Sie kommen mit einem 2D-histogram2d ( vielleicht später 3D-aber als ich höre, mayavi ist besser für die ).

Hier der code:

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


plt.ion()

# Generate some test data
x = np.random.randn(50)
y = np.random.randn(50)

heatmap, xedges, yedges = np.histogram2d(x, y, bins=5)
extent = [xedges[0], xedges[-1], yedges[0], yedges[-1]]

# start counting for FPS
tstart = time.time()

for i in range(10):

    x = np.random.randn(50)
    y = np.random.randn(50)

    heatmap, xedges, yedges = np.histogram2d(x, y, bins=5)

    plt.clf()
    plt.imshow(heatmap, extent=extent)
    plt.draw()

# calculate and print FPS
print 'FPS:' , 20/(time.time()-tstart)

Gibt es 3 fps, zu langsam offenbar. Ist es die Verwendung von numpy.random in jeder iteration? Sollte ich blit? Wenn ja, wie?

Haben die docs einige schöne Beispiele, aber für mich, die ich brauche, um zu verstehen, was alles funktioniert.

InformationsquelleAutor Kevin | 2012-06-08
  1. 4

    Dank @Chris, ich warf einen Blick auf die Beispiele wieder auf und fand auch diese unglaublich hilfreiche post hier.

    Als @bmu Staaten, die er zu beantworten (siehe post) mit einer animation.FuncAnimation Weg für mich war.

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

def generate_data():
    # do calculations and stuff here
    return # an array reshaped(cols,rows) you want the color map to be  

def update(data):
    mat.set_data(data)
    return mat 

def data_gen():
    while True:
        yield generate_data()

fig, ax = plt.subplots()
mat = ax.matshow(generate_data())
plt.colorbar(mat)
ani = animation.FuncAnimation(fig, update, data_gen, interval=500,
                              save_count=50)
plt.show()
    InformationsquelleAutor Kevin
  2. 1

    Ich vermute, es ist die Verwendung von np.histogram2d in jeder loop-iteration. oder, dass in jeder loop-iteration der for Schleife Sie sind clearing und zeichnen ein neues Bild. Um die Dinge zu beschleunigen, sollten Sie erstellen eine Figur einmal und aktualisieren Sie einfach die Eigenschaften und Daten, die der Abbildung in einer Schleife. Werfen Sie einen Blick durch die matplotlib animation Beispiele für einige Hinweise auf wie dies zu tun. Typischerweise umfasst das aufrufen matplotlib.pyploy.plot dann in einer Schleife aufrufen axes.set_xdata und axes.set_ydata.

    In Ihrem Fall jedoch, werfen Sie einen Blick auf die matplotlib animation Beispiel dynamisches Bild 2. In diesem Beispiel ist die Generierung von Daten ist getrennt von der animation der Daten (möglicherweise nicht eine gute Herangehensweise, wenn man viele Daten). Durch die Spaltung dieser beiden Teile bis Sie sehen können, die einen Engpass verursachen, numpy.histrogram2d oder imshow (verwenden Sie time.time() um jedes Teil).

    P. s. np.random.randn ist ein Pseudo-random number generator. Diese neigen dazu, einfache lineare Generatoren generieren kann viele Millionen von (Pseudo-)Zufallszahlen pro Sekunde, so ist dies fast sicher nicht dein Flaschenhals - Zeichnung auf dem Bildschirm ist fast immer ein langsamer Prozess als eine beliebige Anzahl Knirschen.

    • Vielen Dank @Chris ich habe eine Lösung gefunden, die funktioniert für mich. Die matplotlib docs sind sehr gründlich, aber die Beispiele könnten einige Dokumentation. Wieder, vielen Dank 🙂
    InformationsquelleAutor Chris
Schreibe einen Kommentar