我正在尝试使用OpenCV实时绘制来自摄像机的一些数据。但是，实时绘图(使用matplotlib)似乎不能正常工作。
我把这个问题隔离在这个简单的例子中:
fig = plt.figure()
plt.axis([0, 1000, 0, 1])
i = 0
x = list()
y = list()
while i < 1000:
temp_y = np.random.random()
x.append(i)
y.append(temp_y)
plt.scatter(i, temp_y)
i += 1
plt.show()
我希望这个例子能分别画出1000个点。实际发生的情况是，窗口弹出，显示第一个点(好吧)，然后等待循环结束，然后填充图的其余部分。
有什么想法，为什么我没有看到点填充一个时间?
当前回答
顶部(以及许多其他)答案是基于plot .pause()构建的，但这是matplotlib中动画情节的旧方法。它不仅很慢，而且还会导致在每次更新时捕获焦点(我很难停止绘图python进程)。
TL;DR:您可能需要使用matplotlib。动画(如文档中所述)。
在深入研究了各种答案和代码片段后，事实证明，这是一种平滑的方法，可以无限地绘制传入数据。
下面是快速启动的代码。它每200ms无限地用[0,100]中的随机数绘制当前时间，同时还处理视图的自动缩放:
from datetime import datetime
from matplotlib import pyplot
from matplotlib.animation import FuncAnimation
from random import randrange
x_data, y_data = [], []
figure = pyplot.figure()
line, = pyplot.plot_date(x_data, y_data, '-')
def update(frame):
x_data.append(datetime.now())
y_data.append(randrange(0, 100))
line.set_data(x_data, y_data)
figure.gca().relim()
figure.gca().autoscale_view()
return line,
animation = FuncAnimation(figure, update, interval=200)
pyplot.show()
你也可以在FuncAnimation文档中探索blit，以获得更好的性能。
一个来自blit文档的例子:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro')
def init():
ax.set_xlim(0, 2*np.pi)
ax.set_ylim(-1, 1)
return ln,
def update(frame):
xdata.append(frame)
ydata.append(np.sin(frame))
ln.set_data(xdata, ydata)
return ln,
ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128),
init_func=init, blit=True)
plt.show()
其他回答
另一种选择是使用散景。在我看来，至少对于实时情节来说，这是一个不错的选择。下面是问题中代码的散景版本:
from bokeh.plotting import curdoc, figure
import random
import time
def update():
global i
temp_y = random.random()
r.data_source.stream({'x': [i], 'y': [temp_y]})
i += 1
i = 0
p = figure()
r = p.circle([], [])
curdoc().add_root(p)
curdoc().add_periodic_callback(update, 100)
对于运行它:
pip3 install bokeh
bokeh serve --show test.py
Bokeh通过websocket通信在web浏览器中显示结果。当数据由远程无头服务器进程生成时，它尤其有用。
下面是问题代码的工作版本(至少需要2011年11月14日的Matplotlib 1.1.0版本):
import numpy as np
import matplotlib.pyplot as plt
plt.axis([0, 10, 0, 1])
for i in range(10):
y = np.random.random()
plt.scatter(i, y)
plt.pause(0.05)
plt.show()
请注意对plt.pause(0.05)的调用，它既绘制新数据，又运行GUI的事件循环(允许鼠标交互)。
实时绘制CPU使用情况的示例用例。
import time
import psutil
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
i = 0
x, y = [], []
while True:
x.append(i)
y.append(psutil.cpu_percent())
ax.plot(x, y, color='b')
fig.canvas.draw()
ax.set_xlim(left=max(0, i - 50), right=i + 50)
fig.show()
plt.pause(0.05)
i += 1
表演可能不是最好的选择。我要做的是使用pyplot.draw()代替。您还可能希望在循环中包含一个小的时间延迟(例如，time.sleep(0.05))，以便您可以看到情节的发生。如果我对你的例子做这些改变，它对我有用，我看到每个点一次出现一个。
这是我要在我的系统上工作的一个版本。
import matplotlib.pyplot as plt
from drawnow import drawnow
import numpy as np
def makeFig():
plt.scatter(xList,yList) # I think you meant this
plt.ion() # enable interactivity
fig=plt.figure() # make a figure
xList=list()
yList=list()
for i in np.arange(50):
y=np.random.random()
xList.append(i)
yList.append(y)
drawnow(makeFig)
#makeFig() The drawnow(makeFig) command can be replaced
#plt.draw() with makeFig(); plt.draw()
plt.pause(0.001)
drawnow(makeFig)行可以用makeFig()代替;plt.draw()序列，它仍然可以正常工作。
