这篇教程关于Matplotlib绘制动态实时曲线的方法改进指南写得很实用，希望能帮到您。
很多时候，我们需要实时的绘制曲线，如实时的绘制串口接收到的数据。最先想到的解决策略是类似于Matlab种的drawnow函数。 在python中Matplotlib库有着和Matlan绘图库相似的功能，但是并没有drawnow这样的函数。 已有的解决方案
通过网上现有的资料 基于Python实现matplotlib中动态更新图片(交互式绘图) ，可以通过打开Matplotlib的交互模式来实现实时绘图的目的，此时需要用到函数matplotlib.pyplot.ion 存在的问题
通过上述方法实时绘图，存在一个严重的问题:随着时间推移，CPU消耗越大，费时越多，最终导致程序卡顿。这显然无法满足我们实时绘图的要求。 以下通过time模块计算每一步的耗时，直观地表现这一现象。 def Method(point): es_time = np.zeros([point]) fig=plt.figure() ax=fig.add_subplot(1,1,1) ax.axis("equal") #设置图像显示的时候XY轴比例 ax.set_xlabel('Horizontal Position') ax.set_ylabel('Vertical Position') ax.set_title('Vessel trajectory') plt.grid(True) #添加网格 plt.ion() #interactive mode on IniObsX=0000 IniObsY=4000 IniObsAngle=135 IniObsSpeed=10*math.sqrt(2) #米/秒 print('开始仿真') for t in range(point): t0 = time.time() #障碍物船只轨迹 obsX=IniObsX+IniObsSpeed*math.sin(IniObsAngle/180*math.pi)*t obsY=IniObsY+IniObsSpeed*math.cos(IniObsAngle/180*math.pi)*t ax.scatter(obsX,obsY,c='b',marker='.') #散点图 #下面的图,两船的距离 plt.pause(0.001) es_time[t] = 1000*(time.time() - t0) return es_time耗时结果 
Method
很显然每步绘图时间与绘图点数呈线性相关的趋势，且随着点数增加，时间消耗越多。可以想象，当绘图的点数到达上万乃至亿的时候，那电脑就卡住了。 分析原因
个人猜测出现上述这种现象的原因，是由代码ax.scatter(obsX,obsY,c='b',marker='.')造成的。这段代码每一循环一次就新画一条曲线，而不清除之前的曲线，这就必然导致越往后循环所花费的CPU资源内存资源越多，最终机器卡死。 改进方法
既然原因是因为不断重复画图所致，导致机器资源的累积消耗，所以想到的第一个解决方法，那就是每次画图前，清除之前的曲线。 根据上述思想，在每一次的画图代码ax.scatter(obsX,obsY,c='b',marker='.')前加上清除代码plt.cla()。即： plt.cla() ax.plot(obsX,obsY,'-g',marker='*') #散点图 可是这样做之后就会存在新的问题：之前定义的坐标轴，标题，图例等等信息就都被清除了。解决方法则，需要在每一步的循环中，重新定义这些信息。 完整代码 def Method_Improve(point): def initial(ax): ax.axis("equal") #设置图像显示的时候XY轴比例 ax.set_xlabel('Horizontal Position') ax.set_ylabel('Vertical Position') ax.set_title('Vessel trajectory') plt.grid(True) #添加网格 return ax es_time = np.zeros([point]) fig=plt.figure() ax=fig.add_subplot(1,1,1) ax = initial(ax) plt.ion() #interactive mode on IniObsX=0000 IniObsY=4000 IniObsAngle=135 IniObsSpeed=10*math.sqrt(2) #米/秒 print('开始仿真') obsX = [0,] obsY = [4000,] for t in range(point): t0 = time.time() #障碍物船只轨迹 obsX.append(IniObsX+IniObsSpeed*math.sin(IniObsAngle/180*math.pi)*t) obsY.append(IniObsY+IniObsSpeed*math.cos(IniObsAngle/180*math.pi)*t) plt.cla() ax = initial(ax) ax.plot(obsX,obsY,'-g',marker='*') #散点图 #下面的图,两船的距离 plt.pause(0.001) es_time[t] = 1000*(time.time() - t0) return es_time耗时结果 
Method_Improve
显然循环次数与耗时不再呈正相关趋势，可以说是在一定误差范围内，耗时保持稳定。 改进方法的改进
改进方法中仍存在一个问题：由于每次循环都需要清除坐标轴信息，那么每次循环也必须再重新设置坐标轴信息。显然这种做法，导致了额外的算力消耗，那能否有新的方法，规避这种问题呢？答案显然是有的。 但是解决思路还是得从原始问题出发，即重复画图，导致资源的累积消耗。所以令一种新的思路：只画一条(需要数量的)曲线，每次循环更改这些曲线的数据。 那么按照上述思路之后，只需程序开头定义好坐标轴信息，而不需要每次循环内清除重设坐标轴信息。 具体做法，就是获取曲线的句柄，进行修改，即有： line.set_xdata(obsX) line.set_ydata(obsY) 完整代码： def ImprovedMethod_Improve(point): es_time = np.zeros([point]) fig=plt.figure() ax=fig.add_subplot(1,1,1) ax.set_xlabel('Horizontal Position') ax.set_ylabel('Vertical Position') ax.set_title('Vessel trajectory') line = ax.plot([0,0],[4000,4000],'-g',marker='*')[0] plt.grid(True) #添加网格 plt.ion() #interactive mode on IniObsX=0000 IniObsY=4000 IniObsAngle=135 IniObsSpeed=10*math.sqrt(2) #米/秒 print('开始仿真') obsX = [0,] obsY = [4000,] for t in range(point): t0 = time.time() #障碍物船只轨迹 obsX.append(IniObsX+IniObsSpeed*math.sin(IniObsAngle/180*math.pi)*t) obsY.append(IniObsY+IniObsSpeed*math.cos(IniObsAngle/180*math.pi)*t) line.set_xdata(obsX) line.set_ydata(obsY) ax.set_xlim([-200,10*point+200]) ax.set_ylim([3800-10*point,4200]) #下面的图,两船的距离 plt.pause(0.001) es_time[t] = 1000*(time.time() - t0) return es_time
三种方法对比
总结到此这篇关于Matplotlib绘制动态实时曲线的文章就介绍到这了,更多相关Matplotlib绘制动态实时曲线内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python基础之内置模块详解
python常见模块之OS模块和time模块 |
