HOWTO · Matplotlib
Cómo trazar datos en tiempo real usando Matplotlib
Represente datos cambiantes en una ventana de Matplotlib con FuncAnimation(), redibujos manuales del lienzo o un artista de dispersión que se actualiza.
En esta página
Para representar datos cambiantes en una ventana de Matplotlib, actualiza los datos de los artistas trazados y deja que un backend compatible con GUI refresque la pantalla. Elige FuncAnimation() si las actualizaciones llegan en forma de fotogramas, canvas.draw() y canvas.flush_events() si necesitas controlar directamente un bucle, o un artista de dispersión si cada actualización añade un punto. Estos ejemplos generan valores localmente; al adaptarlos, sustituye la lógica de actualización por valores de tu propia fuente. No se conectan a un sensor ni a un flujo de red.
Animar un gráfico con FuncAnimation()
matplotlib.animation.FuncAnimation llama a una función de actualización para cada fotograma y programa los redibujados. La función de actualización recibe el valor del fotograma actual, modifica la línea existente y devuelve los artistas que hayan cambiado. frames=10 proporciona valores del 0 al 9, mientras que interval=50 solicita un intervalo de 50 milisegundos entre fotogramas; el tiempo real depende del bucle de eventos de la GUI.
Mantén una referencia al objeto de animación mientras la ventana esté abierta. El ejemplo muestra la animación de forma interactiva. Para guardarla, llama a ani.save("animation.gif", writer="pillow", fps=10) antes de plt.show() e instala un escritor de animaciones compatible, como Pillow. Guardarla es un paso de renderizado independiente y no crea un flujo de datos en vivo.
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
figure, ax = plt.subplots()
line, = ax.plot([], [])
ax.set(xlim=(0, 2 * np.pi), ylim=(-1, 1), xlabel="x", ylabel="sin(x)")
def update(frame):
x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x - frame / 5)
line.set_data(x, y)
return (line,)
ani = FuncAnimation(figure, update, frames=40, interval=50, blit=True)
plt.show()
Usa init_func si la animación necesita un estado inicial independiente y fargs para pasar argumentos fijos adicionales a la función de actualización. Si la ventana se abre pero no se actualiza, comprueba que el backend de Matplotlib seleccionado admita un bucle de eventos de GUI y mantén ani en memoria mientras se muestre la ventana.
Actualizar una línea con canvas.draw() y canvas.flush_events()
Si un bucle debe controlar cada actualización, crea una línea una sola vez y cambia sus datos con set_ydata(). Después, canvas.draw() renderiza la figura actualizada y canvas.flush_events() permite que la GUI procese los eventos pendientes. Son métodos del lienzo de Matplotlib; no borran la figura. plt.ion() activa el modo interactivo y una pausa breve da tiempo a la GUI para responder.
import time
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2 * np.pi, 200)
figure, ax = plt.subplots()
line, = ax.plot(x, np.sin(x))
ax.set(xlim=(0, 2 * np.pi), ylim=(-1, 1), xlabel="x", ylabel="sin(x)")
plt.ion()
for frame in range(40):
line.set_ydata(np.sin(x - frame / 5))
figure.canvas.draw()
figure.canvas.flush_events()
time.sleep(0.05)
plt.ioff()
plt.show()
Este enfoque resulta útil cuando el bucle también debe coordinar otras tareas. Procura que cada actualización sea breve para que el bucle de eventos pueda procesar la entrada y las solicitudes de redibujado. Con un backend no interactivo, estas llamadas pueden renderizar una figura, pero no mostrar una ventana que responda; para las actualizaciones interactivas, selecciona un backend con GUI.
Crear un gráfico de dispersión en tiempo real
Para un flujo de puntos, crea un solo artista de dispersión y sustituye sus desplazamientos a medida que llegan nuevas coordenadas. Actualizar el mismo artista evita acumular un objeto gráfico nuevo en cada iteración. plt.pause() permite que el bucle de eventos de la GUI se actualice entre fotogramas, y los límites de los ejes que se muestran a continuación mantienen visibles todos los puntos generados.
import numpy as np
import matplotlib.pyplot as plt
figure, ax = plt.subplots()
points = ax.scatter([], [])
ax.set(xlim=(0, 4), ylim=(-1.1, 1.1), xlabel="x", ylabel="sin(x)")
x_values = []
y_values = []
for frame in range(100):
x = frame * 0.04
x_values.append(x)
y_values.append(np.sin(x))
points.set_offsets(np.column_stack((x_values, y_values)))
plt.pause(0.05)
plt.show()
Si solo importa el punto más reciente, conserva un único par de coordenadas en lugar de todo el historial. Si quieres que los puntos anteriores sigan visibles, amplía los límites de los ejes a medida que crezca el flujo. Con datos de alta frecuencia, actualiza el gráfico con menos frecuencia de la que llegan los datos o conserva solo una ventana reciente para evitar que el dibujo se convierta en el cuello de botella.