警告过多的开放数字

Posted 2023-02-23

【中文标题】警告过多的开放数字

【英文标题】：warning about too many open figures

【发布时间】：2014-03-20 00:09:50

【问题描述】：

在我使用fix, ax = plt.subplots(...) 创建许多图形的脚本中，我收到警告RuntimeWarning：已打开超过 20 个图形。通过 pyplot 接口 (matplotlib.pyplot.figure) 创建的图形会一直保留到显式关闭，并且可能会消耗太多内存。

但是，我不明白为什么我收到此警告，因为在使用fig.savefig(...) 保存该图后，我使用fig.clear(); del fig 将其删除。在我的代码中，我一次打开的图形不止一个。尽管如此，我还是收到了关于开放数字过多的警告。这是什么意思/我怎样才能避免收到警告？

【问题讨论】：

如果你做了很多这样的事情，并且没有以交互方式显示任何东西，你最好完全绕过plt。例如。 ***.com/a/16337909/325565（不要插入我自己的答案之一，但这是我能找到的最快的答案...）

@JoeKington 谢谢你这是一个更好的解决方案

Joe Kington 的答案应该在主答案列表中。它有效并且还解决了 plt.close() 减慢 Don Kirby 提到的程序的问题。

【参考方案1】：

在您的图形对象上使用.clf 或.cla，而不是创建一个新 图形。来自@DavidZwicker

假设您已将pyplot 导入为

import matplotlib.pyplot as plt

plt.cla() clears an axis，即当前图中当前活动的轴。它使其他轴保持不变。

plt.clf() clears the entire current figure 及其所有坐标轴，但将窗口保持打开状态，以便可以将其重新用于其他绘图。

plt.close() closes a window，如果没有另外指定，它将是当前窗口。 plt.close('all') 将关闭所有打开的人物。

del fig 不起作用的原因是pyplot 状态机保留了对该图形的引用（如果它要知道“当前图形”是什么就必须这样做）。这意味着即使您删除 your 对图的引用，也至少有一个活动引用，因此永远不会被垃圾回收。

由于我在这里就这个答案的集体智慧进行投票，@JoeKington 在 cmets 中提到 plt.close(fig) 将从 pylab 状态机 (plt._pylab_helpers.Gcf) 中删除特定的图形实例并允许对其进行垃圾收集.

【讨论】：

嗯。 figure 类有 clf，但没有 close。为什么del fig实际上并没有关闭并删除图？

@andreas-h 我的猜测：对于像窗口管理器这样具有自己的处理程序的复杂事物，可能需要进行更多清理，而不是超出范围。 close 对图形对象不起作用的权利，将其称为 plt.close()，而不是 fig.clf()。

@andreas-h - 基本上，del fig 不起作用的原因是给它一个__del__ 方法（基本上会调用plt.close(fig)）最终会导致循环引用这种特殊情况，以及 fig 具有 __del__ 方法将导致其他事物不被垃圾收集。 （或者那是我模糊的回忆。）无论如何，这肯定有点烦人，但你应该打电话给plt.close(fig)而不是del fig。顺便说一句，matplotlib 真的可以为此使用上下文管理器......

@Hooked - 为了更清楚一点，您可以编辑您的问题以提及 plt.close(fig) 将从 pylab 状态机 (plt._pylab_helpers.Gcf) 中删除特定图形实例并允许它被垃圾收集。

@JoeKington plt 有点乱，有人想如何重新做一堆。上下文管理器很有趣......见github.com/matplotlib/matplotlib/pull/2736，github.com/matplotlib/matplotlib/pull/2624

【参考方案2】：

这里有更多细节可以扩展 Hooked's answer。当我第一次阅读该答案时，我错过了调用clf()而不是创建一个新图形的说明。 clf() 本身并没有帮助，如果你再去创造另一个人物。

这是一个导致警告的简单示例：

from matplotlib import pyplot as plt, patches
import os


def main():
    path = 'figures'
    for i in range(21):
        _fig, ax = plt.subplots()
        x = range(3*i)
        y = [n*n for n in x]
        ax.add_patch(patches.Rectangle(xy=(i, 1), width=i, height=10))
        plt.step(x, y, linewidth=2, where='mid')
        figname = 'fig_.png'.format(i)
        dest = os.path.join(path, figname)
        plt.savefig(dest)  # write image to file
        plt.clf()
    print('Done.')

main()

为避免出现警告，我必须在循环外调用subplots()。为了继续看到矩形，我需要将clf() 切换到cla()。这会清除轴而不移除轴本身。

from matplotlib import pyplot as plt, patches
import os


def main():
    path = 'figures'
    _fig, ax = plt.subplots()
    for i in range(21):
        x = range(3*i)
        y = [n*n for n in x]
        ax.add_patch(patches.Rectangle(xy=(i, 1), width=i, height=10))
        plt.step(x, y, linewidth=2, where='mid')
        figname = 'fig_.png'.format(i)
        dest = os.path.join(path, figname)
        plt.savefig(dest)  # write image to file
        plt.cla()
    print('Done.')

main()

如果您要批量生成图，您可能必须同时使用cla() 和close()。我遇到了一个问题，一个批次可以有20多个地块没有抱怨，但20批次后它会抱怨。我通过在每次绘图后使用cla() 和在每批次后使用close() 来解决此问题。

from matplotlib import pyplot as plt, patches
import os


def main():
    for i in range(21):
        print('Batch '.format(i))
        make_plots('figures')
    print('Done.')


def make_plots(path):
    fig, ax = plt.subplots()
    for i in range(21):
        x = range(3 * i)
        y = [n * n for n in x]
        ax.add_patch(patches.Rectangle(xy=(i, 1), width=i, height=10))
        plt.step(x, y, linewidth=2, where='mid')
        figname = 'fig_.png'.format(i)
        dest = os.path.join(path, figname)
        plt.savefig(dest)  # write image to file
        plt.cla()
    plt.close(fig)


main()

我测量了性能，看看是否值得在批次中重复使用该图，当我在每次绘图后调用close() 时，这个小示例程序从 41 秒减慢到 49 秒（慢了 20%）。

【讨论】：

这是一个很好的答案。接受的答案并没有真正解决手头的实际问题，即内存消耗。

@Kyle：你为什么这么说？接受的答案是清除一个数字，这意味着不需要制作另一个消耗内存的数字。它显然解决了内存问题。

男孩，2019 年对我来说一定是糟糕的一年。 :)

【参考方案3】：

如果您有意在内存中保留许多绘图，但又不想被警告，您可以在生成数据之前更新您的选项。

import matplotlib.pyplot as plt
plt.rcParams.update('figure.max_open_warning': 0)

这将防止发出警告，而不会更改任何有关内存管理方式的内容。

【讨论】：

在 Jupyter 环境中，只要显示绘图的单元格存在，内存分配是否会持续存在？

@matanster，我会把它作为自己的问题发布。我开始回答，然后意识到我对 jupyter 内核管理的了解还不够，无法诚实回答。

@matanster 所有为它们分配的变量和内存都存在，直到内核被用户明确关闭。它不链接到单元格。在较新的 Jupyter Hub 中，系统可以关闭内核（可以配置）。

【参考方案4】：

如果您只想暂时抑制警告，这也很有用：

import matplotlib.pyplot as plt
       
with plt.rc_context(rc='figure.max_open_warning': 0):
    lots_of_plots()

【参考方案5】：

import matplotlib.pyplot as plt  
plt.rcParams.update('figure.max_open_warning': 0)

如果你使用它，你就不会得到那个错误，这是最简单的方法。

【讨论】：

所以您的解决方案是完全忽略警告？了解警告告诉您的内容是否有益（在这种情况下，您有太多打开的数字）并解决它（在这种情况下，可能希望在完成写入后关闭一个数字）。此警告通常表明客户端意外打开了其他图形，因此收到警告对于 plt 来说是一件有用的事情。

【参考方案6】：

下面的 sn-p 为我解决了这个问题：

class FigureWrapper(object):
    '''Frees underlying figure when it goes out of scope. 
    '''

    def __init__(self, figure):
        self._figure = figure

    def __del__(self):
        plt.close(self._figure)
        print("Figure removed")


# .....
    f, ax = plt.subplots(1, figsize=(20, 20))
    _wrapped_figure = FigureWrapper(f)

    ax.plot(...
    plt.savefig(...
# .....

当_wrapped_figure 超出范围时，运行时调用我们的__del__() 方法，其中包含plt.close()。即使在_wrapped_figure 构造函数之后触发异常，它也会发生。

【讨论】：

我喜欢这个想法，但是，如果您使用 pytest，则不能依赖垃圾收集来运行。请参阅此处的讨论：github.com/pytest-dev/pytest/discussions/…