Apa cara yang benar saat ini untuk memperbarui plot secara dinamis di Jupyter / iPython?

Dalam jawaban tentang cara memperbarui plot secara dinamis dalam loop di notebook ipython (dalam satu sel) , contoh diberikan tentang cara memperbarui plot secara dinamis di dalam notebook Jupyter dalam loop Python. Namun, ini bekerja dengan menghancurkan dan membuat ulang plot pada setiap iterasi, dan komentar di salah satu utas mencatat bahwa situasi ini dapat diperbaiki dengan menggunakan %matplotlib nbaggsihir new-ish , yang menyediakan figur interaktif yang disematkan di notebook, bukan daripada gambar statis.

Namun, nbaggfitur baru yang luar biasa ini tampaknya sepenuhnya tidak terdokumentasi sejauh yang saya tahu, dan saya tidak dapat menemukan contoh bagaimana menggunakannya untuk memperbarui plot secara dinamis. Jadi pertanyaan saya adalah, bagaimana cara memperbarui plot yang ada secara efisien di notebook Jupyter / Python, menggunakan backend nbagg? Karena memperbarui plot secara dinamis di matplotlib adalah masalah yang rumit secara umum, contoh kerja sederhana akan sangat membantu. Sebuah penunjuk ke dokumentasi apapun tentang topik juga akan sangat membantu.

Untuk memperjelas apa yang saya minta: yang ingin saya lakukan adalah menjalankan beberapa kode simulasi untuk beberapa iterasi, lalu menggambar plot dari statusnya saat ini, lalu menjalankannya untuk beberapa iterasi lagi, lalu memperbarui plot untuk mencerminkan keadaan saat ini, dan seterusnya. Jadi idenya adalah menggambar plot dan kemudian, tanpa interaksi apa pun dari pengguna, memperbarui data dalam plot tanpa merusak dan membuat ulang semuanya.

Berikut adalah beberapa kode yang sedikit dimodifikasi dari jawaban untuk pertanyaan terkait di atas, yang mencapai ini dengan menggambar ulang seluruh gambar setiap saat. Saya ingin mencapai hasil yang sama, tetapi menggunakan lebih efisien nbagg.

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

Berikut adalah contoh yang memperbarui plot dalam satu lingkaran. Ini memperbarui data pada gambar dan tidak menggambar ulang seluruh gambar setiap saat. Itu memang memblokir eksekusi, meskipun jika Anda tertarik menjalankan serangkaian simulasi terbatas dan menyimpan hasilnya di suatu tempat, itu mungkin tidak menjadi masalah bagi Anda.

%matplotlib notebook

import numpy as np
import matplotlib.pyplot as plt
import time

def pltsin(ax, colors=['b']):
    x = np.linspace(0,1,100)
    if ax.lines:
        for line in ax.lines:
            line.set_xdata(x)
            y = np.random.random(size=(100,1))
            line.set_ydata(y)
    else:
        for color in colors:
            y = np.random.random(size=(100,1))
            ax.plot(x, y, color)
    fig.canvas.draw()

fig,ax = plt.subplots(1,1)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_xlim(0,1)
ax.set_ylim(0,1)
for f in range(5):
    pltsin(ax, ['b', 'r'])
    time.sleep(1)

Saya memasang ini di nbviewer di sini.

Ada versi Widget IPython nbaggyang saat ini sedang dikerjakan di repositori Matplotlib . Jika itu tersedia, itu mungkin cara terbaik untuk menggunakannya nbagg.

EDIT: diperbarui untuk menampilkan banyak plot

Saya menggunakan jupyter-lab dan ini berfungsi untuk saya (sesuaikan dengan kasus Anda):

from IPython.display import clear_output
from matplotlib import pyplot as plt
import collections
%matplotlib inline

def live_plot(data_dict, figsize=(7,5), title=''):
    clear_output(wait=True)
    plt.figure(figsize=figsize)
    for label,data in data_dict.items():
        plt.plot(data, label=label)
    plt.title(title)
    plt.grid(True)
    plt.xlabel('epoch')
    plt.legend(loc='center left') # the plot evolves to the right
    plt.show();

Kemudian dalam satu lingkaran Anda mengisi kamus dan Anda meneruskannya ke live_plot():

data = collections.defaultdict(list)
for i in range(100):
    data['foo'].append(np.random.random())
    data['bar'].append(np.random.random())
    data['baz'].append(np.random.random())
    live_plot(data)

pastikan Anda memiliki beberapa sel di bawah plot, jika tidak, tampilan akan terkunci di tempatnya setiap kali plot digambar ulang.

Saya telah mengadaptasi jawaban @Ziofil dan memodifikasinya untuk menerima x, y sebagai daftar dan mengeluarkan plot pencar ditambah tren linier pada plot yang sama.

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();

Anda hanya perlu menelepon live_plot(x, y)dalam satu lingkaran. begini tampilannya: