python数据可视化实时动态显示,用python实现数据可视化

　　大蟒数据动态可视化高频实时数据可视化，做一个简单记录：

　　参考资料代码块实例参考资料用绘制精美的图表在正在…循环中实时绘图

　　`

　　代码示例参考资料例子为主题，根据需求进行修改。

　　实例一代码块语法遵循标准减价代码，例如：

　　导入numpy作为NP导入时间导入matplotlib matplotlib。使用matplotlib中的( GTKAgg )导入py图作为pltimport random def random walk(dims=(256，256)，n=20，sigma=5，alpha=0.95，seed=1): 一个带记忆的简单随机行走 r，c=dims gen=NP。随机的。随机状态(种子)# pos=gen . rand(2，n) * ((r)，(c，)old _ delta=- alpha) * gen.randn(2，n)* sigma alpha * old _ delta # pos=delta #对于x范围内的ii(n):#如果不是(0 .=pos[0，ii] r): # pos[0，ii]=abs(pos[0，ii] % r) #如果不是(0。=pos[1，ii] c): # pos[1，ii]=abs(pos[1，ii]% c)# old _ delta=delta a=random。randint(1，1000) b=random.randint(1，1000) pos.append(a) yield (a，b)# pos # yield pos def run(niter=10000，doblit=True): 使用绘制精美的图表显示模拟，可选地使用位块传送显示速度 fig，ax=plt.subplots，b)o))[0]# ax。add _ artist(点数)fig . canvas。draw()TIC=时间。xrange(niter)中ii的时间()更新正常男性染色体组型数据#x，y=rw.next() a=random.randint(1，1000) b=random.randint(1，1000)x . append(a)y . append(b)点。set _ data(x，y)if doblit:#恢复背景fig . canvas。restore _ region(背景)#只重画点ax.draw说明保留背景绘制数据，相比绘制整幅图提高10倍左右，随着数据增加提高效率降低。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。