很多時候，我們需要實時的繪制曲線，如實時的繪制串口接收到的數據。最先想到的解決策略是類似于Matlab種的drawnow函數。
在python中Matplotlib庫有著和Matlan繪圖庫相似的功能，但是并沒有drawnow這樣的函數。
已有的解決方案
通過網上現有的資料 基于Python實現matplotlib中動態更新圖片(交互式繪圖) ，可以通過打開Matplotlib的交互模式來實現實時繪圖的目的，此時需要用到函數matplotlib.pyplot.ion
存在的問題
通過上述方法實時繪圖，存在一個嚴重的問題:隨著時間推移，CPU消耗越大，費時越多，最終導致程序卡頓。這顯然無法滿足我們實時繪圖的要求。
以下通過time模塊計算每一步的耗時，直觀地表現這一現象。
def Method(point):
es_time = np.zeros([point])
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.axis("equal") #設置圖像顯示的時候XY軸比例
ax.set_xlabel('Horizontal Position')
ax.set_ylabel('Vertical Position')
ax.set_title('Vessel trajectory')
plt.grid(True) #添加網格
plt.ion() #interactive mode on
IniObsX=0000
IniObsY=4000
IniObsAngle=135
IniObsSpeed=10*math.sqrt(2) #米/秒
print('開始仿真')
for t in range(point):
t0 = time.time()
#障礙物船只軌跡
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='.') #散點圖
#下面的圖,兩船的距離
plt.pause(0.001)
es_time[t] = 1000*(time.time() - t0)
return es_time
耗時結果
Method
很顯然每步繪圖時間與繪圖點數呈線性相關的趨勢，且隨著點數增加，時間消耗越多?？梢韵胂螅斃L圖的點數到達上萬乃至億的時候，那電腦就卡住了。
分析原因
個人猜測出現上述這種現象的原因，是由代碼ax.scatter(obsX,obsY,c='b',marker='.')造成的。這段代碼每一循環一次就新畫一條曲線，而不清除之前的曲線，這就必然導致越往后循環所花費的CPU資源內存資源越多，最終機器卡死。
改進方法
既然原因是因為不斷重復畫圖所致，導致機器資源的累積消耗，所以想到的第一個解決方法，那就是每次畫圖前，清除之前的曲線。
根據上述思想，在每一次的畫圖代碼ax.scatter(obsX,obsY,c='b',marker='.')前加上清除代碼plt.cla()。即：
plt.cla()
ax.plot(obsX,obsY,'-g',marker='*') #散點圖
可是這樣做之后就會存在新的問題：之前定義的坐標軸，標題，圖例等等信息就都被清除了。解決方法則，需要在每一步的循環中，重新定義這些信息。
完整代碼
def Method_Improve(point):
def initial(ax):
ax.axis("equal") #設置圖像顯示的時候XY軸比例
ax.set_xlabel('Horizontal Position')
ax.set_ylabel('Vertical Position')
ax.set_title('Vessel trajectory')
plt.grid(True) #添加網格
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('開始仿真')
obsX = [0,]
obsY = [4000,]
for t in range(point):
t0 = time.time()
#障礙物船只軌跡
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='*') #散點圖
#下面的圖,兩船的距離
plt.pause(0.001)
es_time[t] = 1000*(time.time() - t0)
return es_time
耗時結果
Method_Improve
顯然循環次數與耗時不再呈正相關趨勢，可以說是在一定誤差范圍內，耗時保持穩定。
改進方法的改進
改進方法中仍存在一個問題：由于每次循環都需要清除坐標軸信息，那么每次循環也必須再重新設置坐標軸信息。顯然這種做法，導致了額外的算力消耗，那能否有新的方法，規避這種問題呢？答案顯然是有的。
但是解決思路還是得從原始問題出發，即重復畫圖，導致資源的累積消耗。所以令一種新的思路：只畫一條(需要數量的)曲線，每次循環更改這些曲線的數據。
那么按照上述思路之后，只需程序開頭定義好坐標軸信息，而不需要每次循環內清除重設坐標軸信息。
具體做法，就是獲取曲線的句柄，進行修改，即有：
line.set_xdata(obsX)
line.set_ydata(obsY)
完整代碼：
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) #添加網格
plt.ion() #interactive mode on
IniObsX=0000
IniObsY=4000
IniObsAngle=135
IniObsSpeed=10*math.sqrt(2) #米/秒
print('開始仿真')
obsX = [0,]
obsY = [4000,]
for t in range(point):
t0 = time.time()
#障礙物船只軌跡
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])
#下面的圖,兩船的距離
plt.pause(0.001)
es_time[t] = 1000*(time.time() - t0)
return es_time
三種方法對比
總結
到此這篇關于Matplotlib繪制動態實時曲線的文章就介紹到這了,更多相關Matplotlib繪制動態實時曲線內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 使用matplotlib動態刷新指定曲線實例
- Python實現曲線擬合操作示例【基于numpy,scipy,matplotlib庫】
- Python使用matplotlib繪制正弦和余弦曲線的方法示例
- Python matplotlib繪制圖形實例(包括點,曲線,注釋和箭頭)
- matplotlib 曲線圖 和 折線圖 plt.plot()實例
- Python matplotlib 繪制雙Y軸曲線圖的示例代碼
