为什么用Matplotlib绘制这么慢？

我目前正在评估其他python绘图库。现在，我正在尝试使用matplotlib，但对性能却感到非常失望。下面的例子是从SciPy例子中修改而来的，每秒只能给我约8帧！

有什么方法可以加快速度，还是应该选择其他绘图库？

from pylab import *
import time

ion()
fig = figure()
ax1 = fig.add_subplot(611)
ax2 = fig.add_subplot(612)
ax3 = fig.add_subplot(613)
ax4 = fig.add_subplot(614)
ax5 = fig.add_subplot(615)
ax6 = fig.add_subplot(616)

x = arange(0,2*pi,0.01)
y = sin(x)
line1, = ax1.plot(x, y, 'r-')
line2, = ax2.plot(x, y, 'g-')
line3, = ax3.plot(x, y, 'y-')
line4, = ax4.plot(x, y, 'm-')
line5, = ax5.plot(x, y, 'k-')
line6, = ax6.plot(x, y, 'p-')

# turn off interactive plotting - speeds things up by 1 Frame / second
plt.ioff()


tstart = time.time()               # for profiling
for i in arange(1, 200):
    line1.set_ydata(sin(x+i/10.0))  # update the data
    line2.set_ydata(sin(2*x+i/10.0))
    line3.set_ydata(sin(3*x+i/10.0))
    line4.set_ydata(sin(4*x+i/10.0))
    line5.set_ydata(sin(5*x+i/10.0))
    line6.set_ydata(sin(6*x+i/10.0))
    draw()                         # redraw the canvas

print 'FPS:' , 200/(time.time()-tstart)

首先，（尽管这根本不会改变性能）考虑清理代码，类似于：

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

x = np.arange(0, 2*np.pi, 0.01)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)
styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
lines = [ax.plot(x, y, style)[0] for ax, style in zip(axes, styles)]

fig.show()

tstart = time.time()
for i in xrange(1, 20):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x + i/10.0))
    fig.canvas.draw()

print 'FPS:' , 20/(time.time()-tstart)

在上面的示例中，我得到了大约10fps。

简要说明一下，根据您的实际使用情况，matplotlib可能不是一个不错的选择。它面向的是出版物质量的数字，而不是实时显示。

但是，您可以做很多事情来加快此示例的速度。

速度如此之慢的主要原因有两个。

1）调用会重fig.canvas.draw()画所有内容。这是您的瓶颈。就您而言，您无需重新绘制诸如轴边界，刻度线标签等内容。

2）在您的情况下，有很多带有很多刻度标签的子图。这些需要很长时间才能绘制出来。

这些都可以通过使用blitting来解决。

为了高效地进行blit，您必须使用特定于后端的代码。在实践中，如果您真的担心平滑的动画，那么无论如何，通常都将matplotlib图嵌入某种gui工具包中，所以这不是什么大问题。

但是，在不了解您正在做什么的情况下，我无法为您提供帮助。

但是，有一种中立的方法可以相当快地完成它。

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

x = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)

fig.show()

# We need to draw the canvas before we start animating...
fig.canvas.draw()

styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
def plot(ax, style):
    return ax.plot(x, y, style, animated=True)[0]
lines = [plot(ax, style) for ax, style in zip(axes, styles)]

# Let's capture the background of the figure
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

tstart = time.time()
for i in xrange(1, 2000):
    items = enumerate(zip(lines, axes, backgrounds), start=1)
    for j, (line, ax, background) in items:
        fig.canvas.restore_region(background)
        line.set_ydata(np.sin(j*x + i/10.0))
        ax.draw_artist(line)
        fig.canvas.blit(ax.bbox)

print 'FPS:' , 2000/(time.time()-tstart)

这给了我约200fps。

为了使此操作更加方便，animations最新版本的matplotlib中提供了一个模块。

举个例子：

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

x = np.arange(0, 2*np.pi, 0.1)
y = np.sin(x)

fig, axes = plt.subplots(nrows=6)

styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']
def plot(ax, style):
    return ax.plot(x, y, style, animated=True)[0]
lines = [plot(ax, style) for ax, style in zip(axes, styles)]

def animate(i):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x + i/10.0))
    return lines

# We'd normally specify a reasonable "interval" here...
ani = animation.FuncAnimation(fig, animate, xrange(1, 200), 
                              interval=0, blit=True)
plt.show()

Matplotlib可以制作出色的出版物质量的图形，但是在速度上没有很好的优化。有许多Python绘图软件包在设计时都考虑了速度：

• http://vispy.org
• http://pyqtgraph.org/
• http://docs.enthought.com/chaco/
• http://pyqwt.sourceforge.net/
  [编辑：pyqwt不再被维护；以前的维护者推荐pyqtgraph]
• http://code.google.com/p/guiqwt/

首先，乔·肯顿（Joe Kington）的答案使用gui-neutral方法提供了很好的建议，您绝对应该接受他的建议（尤其是关于Blitting的建议）并将其付诸实践。有关此方法的更多信息，请阅读Matplotlib Cookbook

但是，非GUI中立（GUI偏向？）方法是加快绘图速度的关键。换句话说，后端对于绘制速度极为重要。

从matplotlib导入其他任何内容之前，请先放置以下两行：

import matplotlib
matplotlib.use('GTKAgg') 

当然，可以使用多种选项代替GTKAgg，但是根据前面提到的菜谱，这是最快的。有关更多选项，请参见有关后端的链接。

对于Joe Kington提出的第一个解决方案（.copy_from_bbox＆.draw_artist＆canvas.blit），我必须在fig.canvas.draw（）行之后捕获背景，否则背景无效，并且得到与你提到过 如果将它放在fig.show（）之后，它仍然不能像Michael Browne所建议的那样工作。

所以只要把背景线后的canvas.draw（）：

[...]
fig.show()

# We need to draw the canvas before we start animating...
fig.canvas.draw()

# Let's capture the background of the figure
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

这可能不适用于许多人，但是我通常在Linux下操作计算机，因此默认情况下，我将matplotlib图保存为PNG和SVG。这在Linux上可以正常工作，但在Windows 7安装中（Python（x，y）或Anaconda下的MiKTeX）运行起来却慢得令人难以忍受，因此我开始添加此代码，并且在那之后一切正常：

import platform     # Don't save as SVG if running under Windows.
#
# Plot code goes here.
#
fig.savefig('figure_name.png', dpi = 200)
if platform.system() != 'Windows':
    # In my installations of Windows 7, it takes an inordinate amount of time to save
    # graphs as .svg files, so on that platform I've disabled the call that does so.
    # The first run of a script is still a little slow while everything is loaded in,
    # but execution times of subsequent runs are improved immensely.
    fig.savefig('figure_name.svg')