目前在 Jupyter/iPython 中动态更新绘图的正确方法是啥？

Posted 2023-02-15

【中文标题】目前在 Jupyter/iPython 中动态更新绘图的正确方法是啥？

【英文标题】：What is the currently correct way to dynamically update plots in Jupyter/iPython?目前在 Jupyter/iPython 中动态更新绘图的正确方法是什么？

【发布时间】：2016-04-01 21:31:22

【问题描述】：

在how to dynamically update a plot in a loop in ipython notebook (within one cell) 的答案中，给出了一个示例，说明如何在 Python 循环中动态更新 Jupyter 笔记本中的绘图。然而，这是通过在每次迭代中破坏和重新创建情节来实现的，其中一个线程中的评论指出，可以通过使用新的%matplotlib nbagg 魔法来改善这种情况，它提供了一个嵌入在笔记本，而不是静态图像。

然而，据我所知，这个美妙的nbagg 新功能似乎完全没有文档记录，而且我找不到如何使用它来动态更新绘图的示例。因此我的问题是，如何使用 nbagg 后端有效地更新 Jupyter/Python 笔记本中的现有绘图？ 由于在 matplotlib 中动态更新绘图通常是一个棘手的问题，一个简单的工作示例将是一个巨大的帮助。指向有关该主题的任何文档的指针也将非常有帮助。

要明确我的要求：我想做的是运行一些模拟代码进行几次迭代，然后绘制其当前状态图，然后再运行几次迭代，然后更新绘制以反映当前状态，依此类推。所以我们的想法是绘制一个绘图，然后在不与用户进行任何交互的情况下更新绘图中的数据，而不会破坏和重新创建整个事物。

这里是上面链接问题的答案中的一些稍微修改的代码，它通过每次重新绘制整个图形来实现这一点。我想获得相同的结果，但使用nbagg 更有效。

%matplotlib inline
import time
import pylab as pl
from IPython import display
for i in range(10):
    pl.clf()
    pl.plot(pl.randn(100))
    display.display(pl.gcf())
    display.clear_output(wait=True)
    time.sleep(1.0)

【参考方案1】：

这是一个循环更新绘图的示例。它会更新图中的数据，并且不会每次都重绘整个图。它确实会阻止执行，但如果您有兴趣运行一组有限的模拟并将结果保存在某处，那么这对您来说可能不是问题。

%matplotlib notebook

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

def pltsin(ax, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    fig.canvas.draw()

fig,ax = plt.subplots(1,1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, ['b', 'r'])
    time.sleep(1)

I put this up on nbviewer here.

有一个IPython Widget version of nbagg that is currently a work in progress at the Matplotlib repository。如果可用，那可能是使用nbagg 的最佳方式。

编辑：更新以显示多个图

【讨论】：

太好了，这似乎工作得很好。它运行时缺乏交互性对我来说不是一个大问题。一件有点奇怪的事情：如果我将 while True: 更改为 for 循环，当循环结束时，我会得到最后一个图的两个静态图像，而不是交互式 nbagg 图像。知道这是为什么吗？

我将 while 更改为 for 循环并在 tmpnb.org 上进行了尝试，但我没有看到第二张图像或失去交互性。在黑暗中拍摄，但您可以尝试在对函数的调用周围移动循环，而不是在函数中使用循环。对于范围内的 f (10)：pltsin(ax) time.sleep(1)

@pneumatics 不幸的是，Matplotlib 2.0 在 Retina 显示屏上存在一些问题：循环中的图比通常小两倍。

似乎没有给这个数字正确调整大小的时间。因此，在放置 plt.show() 并将 for 循环移动到下一个单元格时，我的体验要好得多。

确保您的 %matplotlib 笔记本与您的绘图在同一个 jupyter 笔记本单元格中 - 我今天花了 2 个多小时解决此问题，因为我在第一个单元格中有 %matplotlib 笔记本和导入语句

【参考方案2】：

我正在使用 jupyter-lab，这对我有用（根据您的情况调整）：

from IPython.display import clear_output
from matplotlib import pyplot as plt
import numpy as np
import collections
%matplotlib inline

def live_plot(data_dict, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    for label,data in data_dict.items():
        plt.plot(data, label=label)
    plt.title(title)
    plt.grid(True)
    plt.xlabel('epoch')
    plt.legend(loc='center left') # the plot evolves to the right
    plt.show();

然后在循环中填充字典并将其传递给live_plot()：

data = collections.defaultdict(list)
for i in range(100):
    data['foo'].append(np.random.random())
    data['bar'].append(np.random.random())
    data['baz'].append(np.random.random())
    live_plot(data)

确保绘图下方有几个单元格，否则每次重绘绘图时视图都会对齐。

【讨论】：

这每次都会创建一个新图，而不是更新现有图

正确。我还没有找到在 jupyter-lab 中绘制动态图的更好方法。

有没有办法设置它在迭代之间等待多长时间？而不仅仅是“等待=真”

每次重绘绘图时，图形都会闪烁。有没有办法解决这个问题？我在情节下方有几个空单元格，但这似乎没有帮助。

@MasayoMusic 参见buildmedia.readthedocs.org/media/pdf/ipywidgets/latest/…中的“闪烁和跳跃输出”

【参考方案3】：

如果不想清除所有输出，可以使用display_id=True获取句柄，在上面使用.update()：

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

from IPython import display

def pltsin(ax, *,hdisplay, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    hdisplay.update(fig)


fig,ax = plt.subplots(1,1)
hdisplay = display.display("", display_id=True)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, colors=['b', 'r'], hdisplay=hdisplay)
    time.sleep(1)
    
plt.close(fig)

（改编自@pneumatics）

【参考方案4】：

我已经调整了@Ziofil 答案并将其修改为接受 x,y 作为列表并在同一图上输出散点图和线性趋势。

from IPython.display import clear_output
from matplotlib import pyplot as plt
%matplotlib inline
    
def live_plot(x, y, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    plt.xlim(0, training_steps)
    plt.ylim(0, 100)
    x= [float(i) for i in x]
    y= [float(i) for i in y]
    
    if len(x) > 1:
        plt.scatter(x,y, label='axis y', color='k') 
        m, b = np.polyfit(x, y, 1)
        plt.plot(x, [x * m for x in x] + b)

    plt.title(title)
    plt.grid(True)
    plt.xlabel('axis x')
    plt.ylabel('axis y')
    plt.show();

您只需要在循环中调用live_plot(x, y)。 这是它的外观：

【参考方案5】：

图形的canvas.draw 方法动态更新其图形，对于当前图形：

from matplotlib import pyplot as plt

plt.gcf().canvas.draw()