Automatizza gli aggiornamenti dei grafici in Matplotlib
Per automatizzare l’aggiornamento del grafico in Matplotlib, aggiorniamo i dati, cancelliamo il grafico esistente e quindi tracciamo i dati aggiornati in un bucle. Per cancellare i grafici esistenti usiamo diversi metodi come canvas.draw() insieme a canvas_flush_events(), plt.draw() e clear_output().
canvas.draw() Insieme a canvas_flush_events()
Dobbiamo configurare la trama una volta. Quindi, potremmo aggiornare i dati degli oggetti del grafico con set_xdata() e set_ydata() e infine aggiornare il grafico usando canvas.draw().
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)
plt.ion() attiva la modalità interattiva. Il grafico non verrà aggiornato se plt.ion() non viene chiamato.
canvas.draw() è un metodo basato su JavaScript per visualizzare le figure e canvas.flush_events() è anche basato su JavaScript per cancellare le cifre.
plt.draw() per aggiornare i grafici in Matplotlib
Usiamo la funzione matplotlib.pyplot.draw() per aggiornare le figure alterate che ci permettono di lavorare in modalità interattiva. Per aggiornare i grafici, dobbiamo cancellare le figure esistenti per le quali possiamo usare matplotlib.pyplot.clf() e matplotlib.axes.Axes.clear().
Con plt.clf()
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)
Produzione:
Con fig.clear()
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.cos(x)
fig = plt.figure()
for p in range(50):
p = 3
updated_x = x + p
updated_y = np.cos(x)
plt.plot(updated_x, updated_y)
plt.draw()
x = updated_x
y = updated_y
plt.pause(0.2)
fig.clear()
Produzione:
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn