почему заговор с Matplotlib так медленно?

во-первых, (хотя это не изменит производительность вообще) рассмотрите возможность очистки вашего кода, аналогично этому:

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)

С приведенным выше примером, я получаю около 10fps.

просто быстрая заметка, в зависимости от вашего точного варианта использования, matplotlib не может быть отличным выбором. Он ориентирован на показатели качества публикации, а не на отображение в реальном времени.

однако, есть много вещей, которые вы можете сделать, чтобы ускорить этот пример.

есть два основные причины, почему это так медленно, как это.

1) Вызов fig.canvas.draw() перерисовывает все. Это твое узкое место. В вашем случае, вам не нужно заново рисовать такие вещи, как границы осей, метки и т. д.

2) в вашем случае, есть много сюжетных линий с большим количеством меток делений. Они занимают много времени, чтобы нарисовать.

оба они могут быть исправлены с помощью blitting.

чтобы сделать блиттинг эффективно, вам придется использовать бэкэнд-специфичный код. На практике, если вы действительно беспокоитесь о плавной анимации, вы обычно встраиваете графики matplotlib в какой-то набор инструментов gui, так что это не большая проблема.

однако, не зная немного больше о том, что вы делаете, я не могу вам помочь.

тем не менее, есть gui-нейтральный способ сделать это, что по-прежнему достаточно быстро.

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)

это дает мне ~200fps.

чтобы сделать это немного более удобно, есть animations модуль в последних версиях matplotlib.

пример:

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()