Considerações de desempenho para plotagem Matplotlib

Ao avaliar diferentes bibliotecas de plotagem Python, você pode encontrar problemas de desempenho ao usar Matplotlib. Este artigo explora por que a plotagem do Matplotlib pode ser lenta e fornece soluções para melhorar sua velocidade.

Causas de lentidão

O desempenho lento do Matplotlib decorre principalmente de dois fatores:

• Redesenhamentos frequentes: Cada vez que fig.canvas.draw() é chamado, ele atualiza a figura inteira, incluindo elementos como limites de eixos e rótulos de escala. Esse processo exige muita computação.
• Numerosas subparcelas: Gráficos com várias subparcelas com muitos rótulos de escala podem retardar significativamente a renderização.

Melhorando o desempenho

Para melhorar o desempenho, considere as seguintes estratégias:

1. Use Blitting:

Blitting envolve apenas atualizar uma parte específica da tela em vez de redesenhar a figura inteira. Isso reduz drasticamente a sobrecarga computacional. Matplotlib fornece métodos blitting específicos de backend que variam dependendo da estrutura GUI usada.

2. Restringir redesenho:

Utilize a opçãoanimated=True ao plotar. Combinada com o módulo de animações Matplotlib, esta técnica permite atualizações de objetos específicos sem acionar um redesenho completo da tela.

3. Personalizar subtramas:

Minimize o número de subparcelas e marque rótulos. Remova elementos desnecessários para reduzir o tempo de renderização.

4. Aumente a eficiência do código:

Refatore seu código para melhorar sua estrutura e reduzir o número de operações realizadas. Utilize operações vetorizadas sempre que possível.

Exemplo:

Aqui está uma versão otimizada do código fornecido na pergunta, usando blitting com copy_from_bbox e restore_region:

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))

Bibliotecas alternativas

Se o desempenho do Matplotlib permanecer insatisfatório, considere bibliotecas de plotagem alternativas, como como Bokeh, Plotly ou Altair. Essas bibliotecas priorizam a interatividade em tempo real e a otimização do desempenho.