如何使用 Matplotlib 實時繪製資料
為了使用 Matplotlib 實時繪製資料或在 Matplotlib 中製作動畫，我們不斷地通過迴圈迭代然後繪製更新後的值來更新要繪製的變數。為了通過動畫實時檢視更新的繪圖，我們使用了各種方法，例如 FuncAnimation() 函式，canvas.draw() 和 canvas_flush_events()。
FuncAnimation() 函式
我們可以通過更新變數 x 和 y 然後使用 matplotlib.animation.FuncAnimation 通過動畫顯示更新來實時更新圖。
語法：
matplotlib.animation.FuncAnimation(fig,
func,
frames=None,
init_func=None,
fargs=None,
save_count=None,
*,
cache_frame_data=True,
**kwargs)
程式碼：
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 是圖形物件，其圖將被更新。
func_animate 是在每一幀都要呼叫的函式。它的第一個引數來自下一個值 frames。
frames=10 等於 range(10)。每幀將 0 到 9 的值傳遞給 func_animate。我們還可以為 interframe 分配一個幀，例如列表 [0, 1, 3, 7, 12]。
間隔是指以毫秒為單位的幀之間的延遲。
ani.save("animation.gif", fps=10)
我們可以使用諸如 fps 和 dpi 之類的引數將動畫儲存為 gif 或 mp4。
canvas.draw() 和 canvas_flush_events()
我們可以通過使用 set_xdata() 和 set_ydata() 更新變數 x 和 y 來實時更新繪圖，然後使用 canvas.draw() 通過動畫顯示更新，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)
在這裡，x 和 y 的值被重複更新，並且圖也被實時更新。
plt.ion() 開啟互動模式。如果未呼叫該圖，則不會更新。
canvas.flush_events() 是一種基於 JavaScript 的方法，用於在每次迭代時清除圖形，以使後續圖形不會重疊。
Matplotlib 實時散點圖
但是，要畫實時分散圖，我們只需更新 x 和 y 的值並在每次迭代中新增分散點即可。在這種情況下，我們不需要清除每個圖形，因為散點圖通常表示平面中的一個不同點，並且這些點幾乎沒有重疊的機會。
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