為什麼 Matplotlib 這麼慢？

在評估 Python 繪圖庫時，考慮效能很重要。 Matplotlib 是一個廣泛使用的函式庫，它看起來可能很緩慢，引發了關於加快速度或探索替代選項的問題。讓我們深入研究這個問題並探索可能的解決方案。

提供的範例展示了具有多個子圖和資料更新的圖。使用 Matplotlib，此過程涉及重繪所有內容，包括軸邊界和刻度標籤，導致效能降低。

了解瓶頸

導致速度緩慢的兩個關鍵因素：

1. 過度重繪： Matplotlib 的Fig.canvas.draw() 函數重繪整個圖形，即使只有一小部分需要更新。
2. 豐富的刻度標籤：大量的刻度標籤和子圖會給繪圖過程帶來很大的負擔。

使用 Blitting 進行最佳化

解決這些瓶頸，考慮使用位塊傳送。 Blitting 涉及僅更新圖形的特定部分，從而減少渲染時間。然而，為了高效實現，需要特定於後端的程式碼，這可能需要在 GUI 工具包中嵌入 Matplotlib 繪圖。

GUI-中性位圖傳送

A GUI-中性位圖傳送技術可以在不依賴後端的情況下提供合理的性能：

1. 捕獲背景：在動畫之前，捕獲每個子圖的背景以便稍後恢復。
2. 更新與繪製： 對於每一幀，更新線條的資料和藝術家，恢復背景並點陣圖更新部分。
3. 避免重繪： 使用Fig.canvas.blit( ax.bbox) 而不是 Fig.canvas.draw() 來僅更新必要的區域。

範例實作：

import matplotlib.pyplot as plt
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)]

# Capture Background
backgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]

for i in xrange(1, 2000):
    for j, (line, ax, background) in enumerate(zip(lines, axes, backgrounds), start=1):
        fig.canvas.restore_region(background)
        line.set_ydata(np.sin(j*x   i/10.0))
        ax.draw_artist(line)
        fig.canvas.blit(ax.bbox)

動畫模組

最新的Matplotlib 版本包含一個動畫模組，它簡化了blitting：

import matplotlib.pyplot as plt
import matplotlib.animation as animation

def animate(i):
    for j, line in enumerate(lines, start=1):
        line.set_ydata(np.sin(j*x   i/10.0))

ani = animation.FuncAnimation(fig, animate, xrange(1, 200), interval=0, blit=True)