wie man ein Diagramm in einer Schleife in ipython notebook dynamisch aktualisiert (innerhalb einer Zelle)

Umgebung: Python 2.7, Matplotlib 1.3, IPython Notebook 1.1, Linux, Chrome. Der Code befindet sich in einer einzelnen Eingabezelle mit--pylab=inline

Ich möchte IPython-Notebook und Pandas verwenden, um einen Stream zu konsumieren und alle 5 Sekunden einen Plot dynamisch zu aktualisieren.

Wenn ich nur die print-Anweisung verwende, um die Daten im Textformat zu drucken, funktioniert das einwandfrei: Die Ausgabezelle druckt einfach weiter Daten und fügt neue Zeilen hinzu. Wenn ich jedoch versuche, die Daten zu zeichnen (und sie dann in einer Schleife zu aktualisieren), wird der Plot nie in der Ausgabezelle angezeigt. Aber wenn ich die Schleife entferne, zeichne sie einfach einmal. Es funktioniert gut.

Dann habe ich einen einfachen Test gemacht:

i = pd.date_range('2013-1-1',periods=100,freq='s')
while True:
    plot(pd.Series(data=np.random.randn(100), index=i))
    #pd.Series(data=np.random.randn(100), index=i).plot() also tried this one
    time.sleep(5)

Die Ausgabe zeigt nichts an, bis ich den Vorgang manuell unterbreche (Strg + m + i). Und nachdem ich es unterbrochen habe, wird das Diagramm korrekt als mehrere überlappende Linien angezeigt. Aber was ich wirklich will, ist ein Plot, der alle 5 Sekunden angezeigt und aktualisiert wird (oder wann immer die plot()Funktion aufgerufen wird, genau wie die oben erwähnten Druckanweisungsausgaben, was gut funktioniert). Nur das endgültige Diagramm zu zeigen, nachdem die Zelle vollständig fertig ist, ist NICHT das, was ich will.

Ich habe sogar versucht, nach jeder explizit die Funktion draw () plot()usw. hinzuzufügen . Keine davon funktioniert. Ich frage mich, wie ich einen Plot durch eine for / while-Schleife in einer Zelle im IPython-Notizbuch dynamisch aktualisieren kann.

verwenden IPython.displayModul:

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

Sie können dies weiter verbessern durch Zugabe wait=Truezu clear_output:

display.clear_output(wait=True)
display.display(pl.gcf())

Ein paar Verbesserungen an HYRYs Antwort :

• Rufen Sie displayvorher an, clear_outputdamit Sie einen Plot anstelle von zwei erhalten, wenn die Zelle unterbrochen wird.
• fangen Sie das ab KeyboardInterrupt, damit die Zellenausgabe nicht mit dem Traceback übersät ist.

import matplotlib.pylab as plt
import pandas as pd
import numpy as np
import time
from IPython import display
%matplotlib inline

i = pd.date_range('2013-1-1',periods=100,freq='s')

while True:
    try:
        plt.plot(pd.Series(data=np.random.randn(100), index=i))
        display.display(plt.gcf())
        display.clear_output(wait=True)
        time.sleep(1)
    except KeyboardInterrupt:
        break

Versuchen Sie, show()oder gcf().show()nach der plot()Funktion hinzuzufügen . Dadurch wird die Aktualisierung der aktuellen Abbildung erzwungen (gcf () gibt eine Referenz für die aktuelle Abbildung zurück).

Durch Hinzufügen von Beschriftungen zu den anderen hier veröffentlichten Lösungen werden in jeder Schleife immer wieder neue Beschriftungen hinzugefügt. Um damit umzugehen, löschen Sie die Handlung mitclf

for t in range(100)
   if t % refresh_rate == 0:

     plt.clf()
     plt.plot(history['val_loss'], 'r-', lw=2, label='val')
     plt.plot(history['training_loss'], 'b-', lw=1, label='training')
     plt.legend()
     display.clear_output(wait=True)
     display.display(plt.gcf())

Sie können es so machen. Es akzeptiert x, y als Liste und gibt ein Streudiagramm sowie einen linearen Trend auf demselben Diagramm aus.

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();

Sie müssen nur live_plot(x, y)innerhalb einer Schleife aufrufen . So sieht es aus: