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
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)。
其他回答
问题似乎是您希望plot .show()显示窗口，然后返回。它不会那样做。程序将在此时停止，只有在您关闭该窗口后才恢复。您应该能够测试这一点:如果您关闭窗口，然后另一个窗口将弹出。
要解决这个问题，只需在循环之后调用一次plt.show()。然后你就得到了完整的情节。(但不是“实时绘图”)
你可以尝试像这样设置关键字参数块:plt.show(block=False)在开始时，然后使用.draw()来更新。
这些方法对我都没用。 但我找到了这个 实时matplotlib图仍然在循环中不工作
你所需要做的就是添加
plt.pause(0.0001)
然后你可以看到新的地块。
所以你的代码应该是这样的，它可以工作
import matplotlib.pyplot as plt
import numpy as np
plt.ion() ## Note this correction
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()
plt.pause(0.0001) #Note this correction
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
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。
带有保留线条风格的圆形缓冲区的活动情节:
import os
import time
import psutil
import collections
import matplotlib.pyplot as plt
pts_n = 100
x = collections.deque(maxlen=pts_n)
y = collections.deque(maxlen=pts_n)
(line, ) = plt.plot(x, y, linestyle="--")
my_process = psutil.Process(os.getpid())
t_start = time.time()
while True:
x.append(time.time() - t_start)
y.append(my_process.cpu_percent())
line.set_xdata(x)
line.set_ydata(y)
plt.gca().relim()
plt.gca().autoscale_view()
plt.pause(0.1)
