Aktualizacja na żywo z matplotlib

Question

Mam więc dane dotyczące akcelerometrii telefonicznej i chciałbym zrobić wideo z tego, jak wyglądał ruch telefonu. Więc użyłem matplotlib stworzyć 3D wykres danych:

from mpl_toolkits.mplot3d import Axes3D 
import matplotlib.pyplot as plt 
import pandas as pd 
import pickle 
def pickleLoad(pickleFile): 
    pkl_file = open(pickleFile, 'rb') 
    data = pickle.load(pkl_file) 
    pkl_file.close() 
    return data 
data = pickleLoad('/Users/ryansaxe/Desktop/kaggle_parkinsons/accelerometry/LILY_dataframe') 
data = data.reset_index(drop=True) 
fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 
xs = data['x.mean'] 
ys = data['y.mean'] 
zs = data['z.mean'] 
ax.scatter(xs, ys, zs) 
ax.set_xlabel('X Label') 
ax.set_ylabel('Y Label') 
ax.set_zlabel('Z Label') 
plt.show() 

Teraz czas jest ważne i jest faktycznie również czynnikiem, który widzę tylko jeden punkt w czasie, bo czas jest również czynnikiem, a to pozwala mi oglądać postęp w danych akcelerometrycznych!

Co mogę zrobić, aby był to wykres aktualizujący na żywo?

Jedyne, co mogę wymyślić, to mieć pętlę, która przechodzi wiersz po wierszu i tworzy wykres z wiersza, ale to otworzy tak wiele plików, że byłoby to szalone, ponieważ mam miliony wierszy.

Jak mogę utworzyć aktualizację na żywo?

Answer 1

Oto przykład goły że aktualizuje tak szybko, jak to możliwe:

import pylab as plt 
import numpy as np 

X = np.linspace(0,2,1000) 
Y = X**2 + np.random.random(X.shape) 

plt.ion() 
graph = plt.plot(X,Y)[0] 

while True: 
    Y = X**2 + np.random.random(X.shape) 
    graph.set_ydata(Y) 
    plt.draw() 

Sztuką jest nie zachować tworzenie nowych wykresów jak będzie to nadal jeść pamięć, ale aby zmienić x, y, z-dane na istniejącym wykresie. Użyj opcji .ion() i konfigurowania obszaru roboczego w celu aktualizacji w ten sposób.

Uzupełnienie: Wysoko w rankingu komentarz poniżej @Kelsey zauważa, że:

może być potrzebny plt.pause(0.01) po linii plt.draw() uzyskać odświeżanie pokazać

Answer 2

Mogłem utwórz aktualizację na żywo za pomocą draw(), a pętla while to kod, którego użyłem:

from mpl_toolkits.mplot3d import Axes3D 
import matplotlib.pyplot as plt 
from pylab import * 
import time 
import pandas as pd 
import pickle 
def pickleLoad(pickleFile): 
    pkl_file = open(pickleFile, 'rb') 
    data = pickle.load(pkl_file) 
    pkl_file.close() 
    return data 
data = pickleLoad('/Users/ryansaxe/Desktop/kaggle_parkinsons/accelerometry/LILY_dataframe') 
data = data.reset_index(drop=True) 
df = data.ix[0:,['x.mean','y.mean','z.mean','time']] 
ion() 
fig = figure() 
ax = fig.add_subplot(111, projection='3d') 
count = 0 
plotting = True 
while plotting: 
    df2 = df.ix[count] 
    count += 1 
    xs = df2['x.mean'] 
    ys = df2['y.mean'] 
    zs = df2['z.mean'] 
    t = df2['time'] 
    ax.scatter(xs, ys, zs) 
    ax.set_xlabel('X Label') 
    ax.set_ylabel('Y Label') 
    ax.set_zlabel('Z Label') 
    ax.set_title(t) 
    draw() 
    pause(0.01) 
    if count > 50: 
     plotting = False 
ioff() 
show()