なぜMatplotlibでのプロットがとても遅いのですか？

現在、さまざまなpythonプロットライブラリを評価しています。現在、私はmatplotlibを試していますが、パフォーマンスにかなりがっかりしています。次の例はSciPyの例から変更されており、1秒あたり最大8フレームしか表示されません。

これをスピードアップする方法はありますか、または別のプロットライブラリを選択する必要がありますか？

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)

まず、（これによってパフォーマンスはまったく変わりません）、次のようにコードをクリーンアップすることを検討してください：

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)

上記の例では、約10fpsです。

簡単なメモですが、実際のユースケースによっては、matplotlibは最適な選択ではない場合があります。リアルタイム表示ではなく、出版品質の図を対象としています。

ただし、この例を高速化するためにできることはたくさんあります。

これが遅いのには、主に2つの理由があります。

1）を呼び出すと、すべてがfig.canvas.draw()再描画されます。それはあなたのボトルネックです。あなたのケースでは、軸の境界、目盛りラベルなどのようなものを再描画する必要はありません。

2）あなたの場合、目盛りラベルがたくさんあるサブプロットがたくさんあります。これらの描画には時間がかかります。

これらはどちらもブリッティングを使用して修正できます。

ブリットを効率的に行うには、バックエンド固有のコードを使用する必要があります。実際には、スムーズなアニメーションが本当に心配な場合は、通常、matplotlibプロットを何らかのguiツールキットに埋め込むので、これはそれほど問題にはなりません。

しかし、あなたが何をしているかについてもう少し知ることなしに、私はあなたを助けることができません。

それにもかかわらず、それを実行するための合理的な方法で、まだ中立的な方法があります。

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)

これは私に〜200fpsを与えます。

これをもう少し便利にするために、 animations、matplotlibの最近のバージョンにはモジュールがあります。

例として：

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は優れた出版品質のグラフィックスを作成しますが、速度については十分に最適化されていません。速度を考慮して設計されたさまざまなpythonプロットパッケージがあります。

• http://vispy.org
• http://pyqtgraph.org/
• http://docs.enthought.com/chaco/
• http://pyqwt.sourceforge.net/
  [編集：pyqwtはメンテナンスされなくなりました。以前のメンテナはpyqtgraphを推奨しています]
• http://code.google.com/p/guiqwt/

まず、ジョー・キントンの回答は、中立的なアプローチを使用して非常に優れたアドバイスを提供します。彼のアドバイス（特にブリッティングについて）を確実に取り入れて、実践に移す必要があります。このアプローチの詳細については、 Matplotlibクックブックを

ただし、プロットを高速化するには、GUIに依存しない（GUIバイアス？）アプローチが重要です。言い換えれば、バックエンドは速度をプロットするために非常に重要です。

matplotlibから他のものをインポートする前に、次の2行を配置します。

import matplotlib
matplotlib.use('GTKAgg') 

もちろん、代わりに使用するさまざまなオプションがあります GTKAgg、前述のクックブックによると、これが最速でした。その他のオプションについては、バックエンドに関するリンクを参照してください。

Joe Kingtonが提案した最初のソリューション（.copy_from_bbox＆.draw_artist＆canvas.blit）では、後で背景をキャプチャする必要がありました。、fig.canvas.draw（）行の必要がありました。あなたが言及した。これをfig.show（）の後に置いても、Michael Browneの提案どおりには機能しません。

したがって、canvas.draw（）の後に背景行を配置します。

[...]
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]

これは多くの人には当てはまらないかもしれませんが、私は通常Linuxでコンピュータを操作しているので、デフォルトでmatplotlibプロットをPNGおよびSVGとして保存します。これはLinuxでは正常に動作しますが、Windows 7のインストール（Python（x、y）またはAnacondaでのMiKTeX）では耐えられないほど遅いため、このコードを追加することにしました。

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')