Matplotlib 플로팅에 대한 성능 고려 사항

다양한 Python 플로팅 라이브러리를 평가하는 동안 Matplotlib를 사용할 때 성능 문제가 발생할 수 있습니다. 이 문서에서는 Matplotlib 플로팅이 느려질 수 있는 이유를 살펴보고 속도를 향상시키는 솔루션을 제공합니다.

느림 원인

Matplotlib의 느린 성능은 주로 다음 두 가지 요인에서 비롯됩니다.

• 자주 다시 그리기: fig.canvas.draw()가 호출될 때마다 축 경계 및 눈금 레이블과 같은 요소를 포함하여 전체 그림을 새로 고칩니다. 이 프로세스는 계산 집약적입니다.
• 다양한 하위 도표: 눈금 레이블이 많은 여러 하위 도표가 있는 도표는 렌더링 속도를 크게 저하시킬 수 있습니다.

성능 개선

성능을 향상하려면 다음 전략을 고려하십시오.

1. 블리팅 사용:

블리팅에는 전체 그림을 다시 그리는 대신 캔버스의 특정 부분만 업데이트하는 작업이 포함됩니다. 이는 계산 오버헤드를 획기적으로 줄여줍니다. Matplotlib는 사용된 GUI 프레임워크에 따라 달라지는 백엔드별 블리팅 방법을 제공합니다.

2. 다시 그리기 제한:

플로팅할 때 animation=True 옵션을 활용하세요. Matplotlib 애니메이션 모듈과 결합된 이 기술은 전체 캔버스 다시 그리기를 트리거하지 않고도 특정 개체 업데이트를 허용합니다.

3. 하위 도표 사용자 정의:

하위 도표 및 눈금 레이블 수를 최소화합니다. 렌더링 시간을 줄이기 위해 불필요한 요소를 제거합니다.

4. 코드 효율성 향상:

코드를 리팩터링하여 구조를 개선하고 수행되는 작업 수를 줄입니다. 가능한 경우 벡터화된 작업을 활용하세요.

예:

다음은 copy_from_bbox 및 Restore_region과 함께 블리팅을 사용하여 질문에 제공된 코드의 최적화된 버전입니다.

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)
fig.show()  # Draw the canvas initially

styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'p-']
lines = [ax.plot(x, y, style)[0] for ax, style in zip(axes, styles)]

# Store background images of the axes
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

tstart = time.time()               
for i in range(1, 200):
    for j, line in enumerate(lines, start=1):
        # Restore the background
        fig.canvas.restore_region(backgrounds[j-1])
        
        # Update the data
        line.set_ydata(sin(j*x i/10.0))  

        # Draw the artist and blit
        ax.draw_artist(line)
        fig.canvas.blit(ax.bbox)

print('FPS:', 200/(time.time()-tstart))

대체 라이브러리

Matplotlib의 성능이 여전히 만족스럽지 못한 경우 다음과 같은 대체 플로팅 라이브러리를 고려하십시오. Bokeh, Plotly 또는 Altair. 이러한 라이브러리는 실시간 상호 작용 및 성능 최적화를 우선시합니다.