Python: matplotlibを使ったリアルタイムプロットのフレームレート(FPS) に関する調査

matplotlibを使って、どのくらいのフレームレートでリアルタイムプロットできそうか検証 pic.twitter.com/X2mjgYiaWy

— Kurene (@_kurene) 2021年1月29日

Pythonで安定的にリアルタイムプロットを実現するライブラリとしては PyQtGraph がありますが、手軽にmatplotlibでプロットしたいことも割とあります。

Web上の様々な記事でmatplotlibはリアルタイムプロットに不向きだと言われていますが、実際にどの程度までリアルタイムプロットができるか調査してみました。

今回の調査では、pyplot.plot()とpyplot.imshow()に対して、サイズの異なるデータを与えて平均FPS等を算出してみました。

注意として、matplotlibのリアルタイムプロットは他の動作中アプリケーション のCPU使用率の影響を受けやすい印象です。

個人的には、結果で30FPS出てたとしても、現実的には10~20FPS程度で降ってくる条件での利用がよいと思っています。

また、PCスペックやOSによっても変わる可能性があります。

検証環境

• OS Windows 10
• Python 3.6
• CPU: i7-8650U (4コア8スレッド)

pyplot.plot()のFPS測定結果

pyplot.imshow()

データサイズが大きい為、要素数が1万を超えたあたりがら30FPSが厳しくなるのではないかと推測できます。

動画

検証用コード

注意点として、fig.canvas.draw()やfig.canvas.flush_events()を呼ぶと結構遅くなります。

クリックで展開

"""
License: MIT
Created by Kurene@wizard-notes.com
"""
import time
import numpy as np
import matplotlib.pyplot as plt


def rtplot_line(n_limit, n_dim):
    times   = np.zeros(n_limit)
    
    fig, ax = plt.subplots()

    lines = ax.plot(np.zeros(n_dim))
    ax.set_ylim(-3, 3)
    pretime = time.time()
    count = 0
    fps = 1.0
    while count < n_limit:
        #fig.clear()
        lines[0].set_ydata(np.random.normal(0, 1.0, n_dim))
        plt.title(f"fps: {fps:0.1f} Hz,   n_dim:{n_dim},   {count:3d}/{n_limit}")
        plt.pause(0.001)
        #fig.canvas.draw()
        #fig.canvas.flush_events()
        
        curtime = time.time()
        times[count] = curtime - pretime
        fps = 1.0/times[count]
        #print(f"{count}:\t{times[count]:0.3f} sec")
        pretime = curtime
        count += 1
        
    plt.close()
    return times


def rtplot_imshow(n_limit, n_dim):
    times   = np.zeros(n_limit)
    
    fig, ax = plt.subplots()

    image = ax.imshow(np.random.normal(0, 1.0, (n_dim, n_dim)))
    pretime = time.time()
    count = 0
    fps = 1.0
    while count < n_limit:
        #fig.clear()
        image.set_data(np.random.normal(0, 1.0, (n_dim, n_dim)))
        plt.title(f"fps: {fps:0.1f} Hz,   n_dim:{n_dim},   {count:3d}/{n_limit}")
        plt.pause(0.001)
        #fig.canvas.draw()
        #fig.canvas.flush_events()
        
        curtime = time.time()
        times[count] = curtime - pretime
        fps = 1.0/times[count]
        #print(f"{count}:\t{times[count]:0.3f} sec")
        pretime = curtime
        count += 1
        
    plt.close()
    return times



targets = [
    {"n_dim": 8,  "func": rtplot_imshow, "name": "rtplot_imshow"},
    {"n_dim": 32,  "func": rtplot_imshow, "name": "rtplot_imshow"},
    {"n_dim": 128,  "func": rtplot_imshow, "name": "rtplot_imshow"},
    {"n_dim": 512,  "func": rtplot_imshow, "name": "rtplot_imshow"},
    {"n_dim": 1024,  "func": rtplot_imshow, "name": "rtplot_imshow"},
    {"n_dim": 32,  "func": rtplot_line, "name": "rtplot_line"},
    {"n_dim": 128,  "func": rtplot_line, "name": "rtplot_line"},
    {"n_dim": 512, "func": rtplot_line, "name": "rtplot_line"},
    {"n_dim": 1024, "func": rtplot_line, "name": "rtplot_line"},
    {"n_dim": 2048, "func": rtplot_line, "name": "rtplot_line"},
    {"n_dim": 4096, "func": rtplot_line, "name": "rtplot_line"},
]

n_limit = 100
 
for target in targets:
    times = target["func"](n_limit, target["n_dim"])
    print(f"{target['name']}  n_dim:{target['n_dim']}\tfps mean:{1.0/np.mean(times):0.1f}\tmean:{np.mean(times):0.3f}\tstd:{np.std(times):0.3f}")

参考文献

• Speeding up Matplotlib
• python - A faster refresh rate with plt.imshow - Stack Overflow