为什么用Matplotlib绘制这么慢？

首先，（尽管这根本不会改变性能）考虑清理你的代码，类似于：

import matplotlib.pyplot as pltimport numpy as npimport timex = 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)

在上面的示例中，我得到了大约10fps。

简要说明一下，根据你的实际使用情况，matplotlib可能不是一个不错的选择。它面向的是出版物质量的数字，而不是实时显示。

但是，你可以做很多事情来加快此示例的速度。

速度如此之慢的主要原因有两个。

1）调用会重fig.canvas.draw()画所有内容。这是你的瓶颈。就你而言，你无需重新绘制诸如轴边界，刻度线标签等内容。

2）在你的情况下，有很多带有很多刻度标签的子图。这些需要很长时间才能绘制出来。

这两种都可以使用blitting进行修复。

为了高效地进行blit，你必须使用特定于后端的代码。在实践中，如果你真的担心平滑的动画，那么无论如何，通常都将matplotlib图嵌入某种gui工具包中，所以这不是什么大问题。

但是，如果不了解你在做什么，我将无法为你提供帮助。

但是，有一种中立的方法可以相当快地完成它。

import matplotlib.pyplot as pltimport numpy as npimport timex = 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 figurebackgrounds = [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)

这给了我约200fps。

为了使此 *** 作更加方便，animations最新版本的matplotlib中提供了一个模块。

举个例子：

import matplotlib.pyplot as pltimport matplotlib.animation as animationimport numpy as npx = 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()