在Jupyter / iPython中动态更新图的当前正确方法是什么？

Question 1

在有关如何在ipython笔记本中（一个单元内）在循环中动态更新绘图的答案中，给出了一个示例，说明了如何在Python循环内在Jupyter笔记本中动态更新绘图。但是，这可以通过在每次迭代中销毁并重新创建绘图来实现，并且其中一个线程中的注释指出，可以使用新颖的%matplotlib nbagg魔术来改善这种情况，该魔术提供了嵌入在笔记本中的交互式图形，比静态图片

但是，nbagg就我所知，这个奇妙的新功能似乎完全没有记载，而且我找不到如何使用它动态更新绘图的示例。因此，我的问题是，如何使用nbagg后端有效地更新Jupyter / Python笔记本中的现有绘图？由于通常在matplotlib中动态更新图是一个棘手的问题，因此一个简单的工作示例将提供巨大帮助。指向有关该主题的任何文档的指针也将非常有帮助。

要清楚我要的是什么：我想做的是运行一些模拟代码进行几次迭代，然后绘制其当前状态的图，再运行其进行几次迭代，然后更新该图以反映当前状态，依此类推。因此，其想法是绘制一个图，然后在用户不进行任何交互的情况下，更新图中的数据，而不会破坏并重新创建整个图。

这是对上面链接的问题的答案进行的一些稍微修改的代码，该代码通过每次重新绘制整个图形来实现。我想达到相同的结果，但使用会更有效nbagg。

%matplotlib inline
import time
import pylab as pl
from IPython import display
for i in range(10):
    pl.clf()
    pl.plot(pl.randn(100))
    display.display(pl.gcf())
    display.clear_output(wait=True)
    time.sleep(1.0)

Question 2

这是一个循环更新图的示例。它会更新图中的数据，并且不会每次都重新绘制整个图。它确实会阻止执行，但是，如果您有兴趣运行有限的一组模拟并将结果保存在某处，则对您来说可能不是问题。

%matplotlib notebook

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

def pltsin(ax, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    fig.canvas.draw()

fig,ax = plt.subplots(1,1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, ['b', 'r'])
    time.sleep(1)

我把它放在这里的nbviewer上。

有一个IPython Widget版本nbagg，目前正在Matplotlib存储库中进行。如果可以的话，那可能是最好的使用方式nbagg。

编辑：更新以显示多个图

Question 3

我正在使用jupyter-lab，这对我有用（适合您的情况）：

from IPython.display import clear_output
from matplotlib import pyplot as plt
import collections
%matplotlib inline

def live_plot(data_dict, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    for label,data in data_dict.items():
        plt.plot(data, label=label)
    plt.title(title)
    plt.grid(True)
    plt.xlabel('epoch')
    plt.legend(loc='center left') # the plot evolves to the right
    plt.show();

然后在循环中填充字典，然后将其传递给live_plot()：

data = collections.defaultdict(list)
for i in range(100):
    data['foo'].append(np.random.random())
    data['bar'].append(np.random.random())
    data['baz'].append(np.random.random())
    live_plot(data)

确保在图下方有一些单元格，否则每次重新绘制图时视图都会固定在适当的位置。

Question 4

我已经调整了@Ziofil答案并将其修改为接受x，y作为列表，并在同一图上输出散点图和线性趋势。

from IPython.display import clear_output
from matplotlib import pyplot as plt
%matplotlib inline
    
def live_plot(x, y, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    plt.xlim(0, training_steps)
    plt.ylim(0, 100)
    x= [float(i) for i in x]
    y= [float(i) for i in y]
    
    if len(x) > 1:
        plt.scatter(x,y, label='axis y', color='k') 
        m, b = np.polyfit(x, y, 1)
        plt.plot(x, [x * m for x in x] + b)

    plt.title(title)
    plt.grid(True)
    plt.xlabel('axis x')
    plt.ylabel('axis y')
    plt.show();

您只需要live_plot(x, y)在循环内调用即可。外观如下：