对于电生理学数据分析集，我需要绘制一个大型的 2D 点阵列（大约 20.000 x 120）。我曾经在 PyQt 应用程序中嵌入 Matplotlib 小部件，但由于绘图花费了相当长的时间，所以一直在寻找其他解决方案。尽管如此，使用 pyqtgraph 绘制数据也比预期花费的时间要长得多，可能是因为每次使用plot()函数时它都会重新绘制小部件。
绘制大型数组的最佳实践是什么？
pyqtgraph 示例虽然广泛，但并没有给我带来更多帮助......
import pyqtgraph as pg
view = pg.GraphicsLayoutWidget()
w1 = view.addPlot()
for n in data:
w1.plot(n)
或
w1.plot(data)
最后一条规则生成 ValueError: 操作数无法与形状 (10) (10,120) 一起广播
提前致谢......
Pyqtgraph 在每次调用plot()后不会重绘；它将等到控制权返回到 Qt 事件循环后再重绘。但是，您的代码可能通过调用 QApplication.processEvents() 强制更频繁地访问事件循环（这可能会间接发生，例如，如果您有进度对话框）。
一般来说，提高性能最重要的规则是：分析你的代码。如果您可以直接测量的话，请不要假设什么可能会减慢您的速度。
由于我无法访问您的代码，因此我只能猜测如何改进它并向您展示分析如何提供帮助。我将从这里的“慢”示例开始，并进行一些改进。
1。实施缓慢
import pyqtgraph as pg
import numpy as np
app = pg.mkQApp()
data = np.random.normal(size=(120,20000), scale=0.2) + \
np.arange(120)[:,np.newaxis]
view = pg.GraphicsLayoutWidget()
view.show()
w1 = view.addPlot()
now = pg.ptime.time()
for n in data:
w1.plot(n)
print "Plot time: %0.2f sec" % (pg.ptime.time()-now)
app.exec_()
其输出为：
Plot time: 6.10 sec
现在让我们来分析一下：
$ python -m cProfile -s cumulative speed_test.py
. . .
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.001 0.001 11.705 11.705 speed_test.py:1(<module>)
120 0.002 0.000 8.973 0.075 PlotItem.py:614(plot)
120 0.011 0.000 8.521 0.071 PlotItem.py:500(addItem)
363/362 0.030 0.000 7.982 0.022 ViewBox.py:559(updateAutoRange)
. . .
我们已经可以看到 ViewBox.updateAutoRange 花费了很多时间，所以让我们禁用自动调整范围：
2。快一点
import pyqtgraph as pg
import numpy as np
app = pg.mkQApp()
data = np.random.normal(size=(120,20000), scale=0.2) + \
np.arange(120)[:,np.newaxis]
view = pg.GraphicsLayoutWidget()
view.show()
w1 = view.addPlot()
w1.disableAutoRange()
now = pg.ptime.time()
for n in data:
w1.plot(n)
w1.autoRange() # only after plots are added
print "Plot time: %0.2f sec" % (pg.ptime.time()-now)
app.exec_()
..输出是：
Plot time: 0.68 sec
所以这有点快，但是平移/缩放绘图仍然很慢。如果我在拖动绘图一段时间后查看配置文件，它看起来像这样：
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.034 0.034 16.627 16.627 speed_test.py:1(<module>)
1 1.575 1.575 11.627 11.627 {built-in method exec_}
20 0.000 0.000 7.426 0.371 GraphicsView.py:147(paintEvent)
20 0.124 0.006 7.425 0.371 {paintEvent}
2145 0.076 0.000 6.996 0.003 PlotCurveItem.py:369(paint)
所以我们看到很多对 PlotCurveItem.paint() 的调用。如果我们将所有 120 条情节线放入一个项目中以减少绘制调用的次数会怎样？
3.快速实施
经过几轮分析后，我想出了这个。它基于使用 pg.arrayToQPath，如上面线程中所建议的：
import pyqtgraph as pg
import numpy as np
app = pg.mkQApp()
y = np.random.normal(size=(120,20000), scale=0.2) + np.arange(120)[:,np.newaxis]
x = np.empty((120,20000))
x[:] = np.arange(20000)[np.newaxis,:]
view = pg.GraphicsLayoutWidget()
view.show()
w1 = view.addPlot()
class MultiLine(pg.QtGui.QGraphicsPathItem):
def __init__(self, x, y):
"""x and y are 2D arrays of shape (Nplots, Nsamples)"""
connect = np.ones(x.shape, dtype=bool)
connect[:,-1] = 0 # don't draw the segment between each trace
self.path = pg.arrayToQPath(x.flatten(), y.flatten(), connect.flatten())
pg.QtGui.QGraphicsPathItem.__init__(self, self.path)
self.setPen(pg.mkPen('w'))
def shape(self): # override because QGraphicsPathItem.shape is too expensive.
return pg.QtGui.QGraphicsItem.shape(self)
def boundingRect(self):
return self.path.boundingRect()
now = pg.ptime.time()
lines = MultiLine(x, y)
w1.addItem(lines)
print "Plot time: %0.2f sec" % (pg.ptime.time()-now)
app.exec_()
启动速度很快，平移/缩放响应也相当灵敏。不过，我要强调的是，这个解决方案是否适合您可能取决于您的程序的详细信息。
我认为自接受答案以来已经有了一些更新，现在可以使用
connectimport pyqtgraph as pg
import numpy as np
app = pg.mkQApp()
y = np.random.normal(size=(120,20000), scale=0.2) + np.arange(120)[:,np.newaxis]
x = np.empty((120,20000))
x[:] = np.arange(20000)[np.newaxis,:]
view = pg.GraphicsLayoutWidget()
view.show()
connect = np.ones(x.shape, dtype=bool)
connect[:, -1] = 0 # don't draw the segment between each trace
view.plot(x.flatten(), y.flatten(), connect=connect.flatten())
app.exec_()