[英]What's the fastest way to update a scatterplot?
我有一个与此非常相似的仪表板-
import datetime
import dash
from dash import dcc, html
import plotly
from dash.dependencies import Input, Output
# pip install pyorbital
from pyorbital.orbital import Orbital
satellite = Orbital('TERRA')
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
app.layout = html.Div(
html.Div([
html.H4('TERRA Satellite Live Feed'),
html.Div(id='live-update-text'),
dcc.Graph(id='live-update-graph'),
dcc.Interval(
id='interval-component',
interval=1*1000, # in milliseconds
n_intervals=0
)
])
)
@app.callback(Output('live-update-text', 'children'),
Input('interval-component', 'n_intervals'))
def update_metrics(n):
lon, lat, alt = satellite.get_lonlatalt(datetime.datetime.now())
style = {'padding': '5px', 'fontSize': '16px'}
return [
html.Span('Longitude: {0:.2f}'.format(lon), style=style),
html.Span('Latitude: {0:.2f}'.format(lat), style=style),
html.Span('Altitude: {0:0.2f}'.format(alt), style=style)
]
# Multiple components can update everytime interval gets fired.
@app.callback(Output('live-update-graph', 'figure'),
Input('interval-component', 'n_intervals'))
def update_graph_live(n):
satellite = Orbital('TERRA')
data = {
'time': [],
'Latitude': [],
'Longitude': [],
'Altitude': []
}
# Collect some data
for i in range(180):
time = datetime.datetime.now() - datetime.timedelta(seconds=i*20)
lon, lat, alt = satellite.get_lonlatalt(
time
)
data['Longitude'].append(lon)
data['Latitude'].append(lat)
data['Altitude'].append(alt)
data['time'].append(time)
# Create the graph with subplots
fig = plotly.tools.make_subplots(rows=2, cols=1, vertical_spacing=0.2)
fig['layout']['margin'] = {
'l': 30, 'r': 10, 'b': 30, 't': 10
}
fig['layout']['legend'] = {'x': 0, 'y': 1, 'xanchor': 'left'}
fig.append_trace({
'x': data['time'],
'y': data['Altitude'],
'name': 'Altitude',
'mode': 'lines+markers',
'type': 'scatter'
}, 1, 1)
fig.append_trace({
'x': data['Longitude'],
'y': data['Latitude'],
'text': data['time'],
'name': 'Longitude vs Latitude',
'mode': 'lines+markers',
'type': 'scatter'
}, 2, 1)
return fig
if __name__ == '__main__':
app.run_server(debug=True)
我想更新单个散点图。 散点图有大约两万个数据点。 现在这是我的代码:
fig['data'][1]['x'] = dataframe_with_new_data['measure_x']
fig['data'][1]['y'] = dataframe_with_new_data['measure_y']
每次图表更新时,只有几百个新数据点。 我担心替换fig
object 中的整个 x 和 y 条目可能会更慢,但我不确定更快的替代方案是什么样的。
这是包含 500 个点的示例数据:
import random
x = range(0, 10000, 20)
y = random.sample(range(10, 30000), 500)
您可以使用图形的extendData
属性将数据添加到现有图形,而无需在每次触发间隔时从头开始构建图形。 如文档中所写:
extendData (list | dict; optional):应附加到现有跟踪的数据。 具有 [updateData, traceIndices, maxPoints] 的形式,其中 updateData 是一个包含要扩展的数据的 object,traceIndices(可选)是一个应该扩展的跟踪索引数组,maxPoints(可选)是定义最大数量的 integer允许的点数或 object 键:值对匹配 updateData
我选择了 100 毫秒的时间间隔来显示它到 plot 个点的速度有多快,没有任何延迟。
import dash
from dash import *
import plotly
import numpy as np
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)
app.layout = html.Div(
html.Div([
dcc.Graph(id='live-update-graph', figure = dict(
data=[{'x': [0],
'y': [0],
'name': 'Altitude',
'mode': 'lines+markers',
'type': 'scatter'
}]
)),
dcc.Interval(
id='interval-component',
interval=100, # in milliseconds
n_intervals=0
)
])
)
@app.callback(Output('live-update-graph', 'extendData'),
Input('interval-component', 'n_intervals'),
[State('live-update-graph', 'figure')])
def update_graph_live(n, existing):
data = {
'time': [],
'Altitude': []
}
# Collect some data
time = existing['data'][0]['x'][-1] + 1
alt = np.random.random()
return dict(x=[[time]], y=[[alt]])
if __name__ == '__main__':
app.run_server(debug=True)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.