Как ускорить график изображения чако

Вот пример того, как я делаю анимацию в Чако, используя таймер. Обычно трюк (как сказал Дж. Корсон) заключается в том, чтобы загрузить ваши данные в массив, а затем просто использовать индекс для получения последовательных срезов массива.

from chaco.api import ArrayPlotData, Plot
from enable.api import ComponentEditor
import numpy as np
from pyface.timer.api import Timer
from traits.api import Array, Bool, Event, HasTraits, Instance, Int
from traitsui.api import ButtonEditor, Item, View


class AnimationDemo(HasTraits):
    plot = Instance(Plot)
    x = Array
    y = Array
    run = Bool(False)
    go = Event
    idx = Int

    def _x_default(self):
        x = np.linspace(-np.pi, np.pi, 100)
        return x

    def _y_default(self):
        phi = np.linspace(0, 2 * np.pi, 360)
        y = np.sin(self.x[:, np.newaxis] + phi[np.newaxis, :]) - \
            0.1 * np.sin(13 * self.x[:, np.newaxis] - 7 * phi[np.newaxis, :])
        return y

    def _plot_default(self):
        plot_data = ArrayPlotData(y=self.y[:, 0], x=self.x)
        plot = Plot(plot_data)
        plot.plot(('x', 'y'))
        return plot

    def _go_fired(self):
        if not self.run:
            self.run = True
        else:
            self.run = False

    def _run_changed(self):
        if self.run:
            self.timer.Start()
        else:
            self.timer.Stop()

    def _run_default(self):
        self.timer = Timer(5, self._timer_tick)
        return False

    def _timer_tick(self):
        if not self.run:
            raise StopIteration
        else:
            if self.idx >= 360:
                self.idx = 0
            self.plot.data.set_data('y', self.y[:, self.idx])
            self.idx += 1

    traits_view = View(
        Item('plot', editor=ComponentEditor(), show_label=False),
        Item('go', editor=ButtonEditor(label="Start/Stop"), show_label=False),
    )


if __name__ == "__main__":
    ad = AnimationDemo()
    ad.edit_traits()

Я получаю что-то вроде этого:

Это просто мысль, но решит ли вашу проблему добавление каждого изображения изначально в ваш ArrayPlotData? Тогда вы не добавляете новое изображение на каждом этапе анимации, а просто вызываете img_plot() в следующей серии. Например, если ваши изображения хранятся в массиве numpy с именем images[nt, nx, ny]:

pd = ArrayPlotData()
for index in range(images.shape[0]): #Assuming you want to iterate over nt
    pd.set_data('', images[index,:,:], generate_name = True)
plot = Plot(pd)

Это автоматически называет каждое изображение «серия1», «серия2» и т. д. Затем вы можете вызвать:

plot.img_plot('series1', interpolation = 'nearest') #or 'series2' etc. 

для каждого изображения в вашей анимации без вызова set_data().

Вы можете получить отсортированный список имен ваших изображений ['series1, 'series2', ...] для повторения, используя:

from natsort import natsorted #sort using natural sorting
names = natsorted(pd.list_data())

Поможет ли это с пробкой?