如何使用 Matplotlib 实时绘制数据
为了使用 Matplotlib 实时绘制数据或在 Matplotlib 中制作动画，我们不断地通过循环迭代然后绘制更新后的值来更新要绘制的变量。为了通过动画实时查看更新的绘图，我们使用了各种方法，例如 FuncAnimation() 函数，canvas.draw() 和 canvas_flush_events()。
FuncAnimation() 函数
我们可以通过更新变量 x 和 y 然后使用 matplotlib.animation.FuncAnimation 通过动画显示更新来实时更新图。
语法：
matplotlib.animation.FuncAnimation(fig,
func,
frames=None,
init_func=None,
fargs=None,
save_count=None,
*,
cache_frame_data=True,
**kwargs)
代码：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
x = []
y = []
figure, ax = plt.subplots(figsize=(4,3))
line, = ax.plot(x, y)
plt.axis([0, 4*np.pi, -1, 1])
def func_animate(i):
x = np.linspace(0, 4*np.pi, 1000)
y = np.sin(2 * (x - 0.1 * i))
line.set_data(x, y)
return line,
ani = FuncAnimation(figure,
func_animate,
frames=10,
interval=50)
ani.save(r'animation.gif', fps=10)
plt.show()
ani = FuncAnimation(figure,
func_animate,
frames=10,
interval=50)
figure 是图形对象，其图将被更新。
func_animate 是在每一帧都要调用的函数。它的第一个参数来自下一个值 frames。
frames=10 等于 range(10)。每帧将 0 到 9 的值传递给 func_animate。我们还可以为 interframe 分配一个帧，例如列表 [0, 1, 3, 7, 12]。
间隔是指以毫秒为单位的帧之间的延迟。
ani.save('animation.gif', fps=10)
我们可以使用诸如 fps 和 dpi 之类的参数将动画保存为 gif 或 mp4。
canvas.draw() 和 canvas_flush_events()
我们可以通过使用 set_xdata() 和 set_ydata() 更新变量 x 和 y 来实时更新绘图，然后使用 canvas.draw() 通过动画显示更新，它是 JavaScript 的方法。
import numpy as np
import time
import matplotlib.pyplot as plt
x = np.linspace(0, 10, 100)
y = np.cos(x)
plt.ion()
figure, ax = plt.subplots(figsize=(8,6))
line1, = ax.plot(x, y)
plt.title("Dynamic Plot of sinx",fontsize=25)
plt.xlabel("X",fontsize=18)
plt.ylabel("sinX",fontsize=18)
for p in range(100):
updated_y = np.cos(x-0.05*p)
line1.set_xdata(x)
line1.set_ydata(updated_y)
figure.canvas.draw()
figure.canvas.flush_events()
time.sleep(0.1)
在这里，x 和 y 的值被重复更新，并且图也被实时更新。
plt.ion() 打开交互模式。如果未调用该图，则不会更新。
canvas.flush_events() 是一种基于 JavaScript 的方法，用于在每次迭代时清除图形，以使后续图形不会重叠。
Matplotlib 实时散点图
但是，要画实时分散图，我们只需更新 x 和 y 的值并在每次迭代中添加分散点即可。在这种情况下，我们不需要清除每个图形，因为散点图通常表示平面中的一个不同点，并且这些点几乎没有重叠的机会。
import numpy as np
import matplotlib.pyplot as plt
x=0
for i in range(100):
x=x+0.04
y = np.sin(x)
plt.scatter(x, y)
plt.title("Real Time plot")
plt.xlabel("x")
plt.ylabel("sinx")
plt.pause(0.05)
plt.show()
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn