当前在 Jupyter/iPython 中动态更新地块的正确方法是什么？

Question

在 how to dynamically update a plot in a loop in ipython notebook (within one cell) 的答案中给出了一个示例，说明如何在 Python 循环中动态更新 Jupyter notebook 中的绘图。然而，这是通过在每次迭代中销毁和重新创建绘图来实现的，并且其中一个线程中的评论指出，可以通过使用新的 %matplotlib nbagg 魔法来改善这种情况，它提供了一个嵌入的交互式图形在笔记本中，而不是静态图像。

但是，据我所知，这个奇妙的新 nbagg 功能似乎完全没有记录，而且我找不到如何使用它动态更新绘图的示例。因此，我的问题是，如何使用 nbagg 后端有效地更新 Jupyter/Python 笔记本中的现有绘图？ 由于在 matplotlib 中动态更新绘图通常是一个棘手的问题，一个简单的工作示例将是一个巨大的帮助。指向有关该主题的任何文档的指针也将非常有帮助。

要明确我的要求：我想做的是运行一些模拟代码进行几次迭代，然后绘制其当前状态图，然后运行它再进行几次迭代，然后更新绘图以反映当前状态，依此类推。所以我的想法是画一个图，然后在没有用户交互的情况下更新图中的数据，而不破坏和重新创建整个图。

这里是对上面链接问题的答案的一些稍微修改的代码，它通过每次重新绘制整个图形来实现这一点。我想获得相同的结果，但使用 nbagg.

更有效

%matplotlib inline
import time
import pylab as pl
from IPython import display
for i in range(10):
    pl.clf()
    pl.plot(pl.randn(100))
    display.display(pl.gcf())
    display.clear_output(wait=True)
    time.sleep(1.0)

Answer 1

这是一个循环更新绘图的示例。它更新图中的数据，而不是每次都重新绘制整个图。它确实会阻止执行，但如果您对运行有限的模拟集感兴趣并将结果保存在某处，这对您来说可能不是问题。

%matplotlib notebook

import numpy as np
import matplotlib.pyplot as plt
import time

def pltsin(ax, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    fig.canvas.draw()

fig,ax = plt.subplots(1,1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, ['b', 'r'])
    time.sleep(1)

I put this up on nbviewer here.

有一个IPython Widget version of nbagg that is currently a work in progress at the Matplotlib repository。如果可用，那可能是使用 nbagg.

的最佳方式

编辑：已更新以显示多个图

Answer 2

我正在使用 jupyter-lab，这对我有用（根据您的情况进行调整）：

from IPython.display import clear_output
from matplotlib import pyplot as plt
import numpy as np
import collections
%matplotlib inline

def live_plot(data_dict, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    for label,data in data_dict.items():
        plt.plot(data, label=label)
    plt.title(title)
    plt.grid(True)
    plt.xlabel('epoch')
    plt.legend(loc='center left') # the plot evolves to the right
    plt.show();

然后在循环中填充字典并将其传递给 live_plot():

data = collections.defaultdict(list)
for i in range(100):
    data['foo'].append(np.random.random())
    data['bar'].append(np.random.random())
    data['baz'].append(np.random.random())
    live_plot(data)

确保绘图下方有几个单元格，否则每次重新绘制绘图时视图都会捕捉到位。

Answer 3

我改编了@Ziofil 的答案并将其修改为接受 x,y 作为列表并在同一图上输出散点图和线性趋势。

from IPython.display import clear_output
from matplotlib import pyplot as plt
%matplotlib inline
    
def live_plot(x, y, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    plt.xlim(0, training_steps)
    plt.ylim(0, 100)
    x= [float(i) for i in x]
    y= [float(i) for i in y]
    
    if len(x) > 1:
        plt.scatter(x,y, label='axis y', color='k') 
        m, b = np.polyfit(x, y, 1)
        plt.plot(x, [x * m for x in x] + b)

    plt.title(title)
    plt.grid(True)
    plt.xlabel('axis x')
    plt.ylabel('axis y')
    plt.show();

您只需在循环内调用 live_plot(x, y)。这是它的样子：

Answer 4

如果不想清除所有输出，可以使用display_id=True获取句柄并在其上使用.update():

import numpy as np
import matplotlib.pyplot as plt
import time

from IPython import display

def pltsin(ax, *,hdisplay, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    hdisplay.update(fig)


fig,ax = plt.subplots(1,1)
hdisplay = display.display("", display_id=True)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, colors=['b', 'r'], hdisplay=hdisplay)
    time.sleep(1)
    
plt.close(fig)

（改编自@pneumatics）

Answer 5

图的canvas.draw方法动态更新图，对于当前图：

from matplotlib import pyplot as plt

plt.gcf().canvas.draw()

当前在 Jupyter/iPython 中动态更新地块的正确方法是什么？

What is the currently correct way to dynamically update plots in Jupyter/iPython?

python

matplotlib

jupyter

jupyter-notebook