Matplotlib结合Tkinter绘图函数的内存膨胀问题排查

我基于置信区间折线图的实现逻辑做了一个工具：让用户选择包含规范格式文件的文件夹，合并所有文件为一个大型DataFrame后传入graph1函数绘图。但目前遇到内存问题：每次调用graph1时内存都会大幅上涨（100+文件、10万+数据点的场景下，每次调用内存增长约30MB）。我尝试过清除子图及所有绘图相关内容，但没有效果；也排查过数据合并函数，多次调用该函数并未导致内存膨胀，希望有人能指出问题所在。

代码如下： #

def menu():
    confGUI = tk.Tk()
    confGUI.geometry("800x800")
    global figConf, graphConf, canvasConf
    figConf, graphConf = plt.subplots()
    canvasConf = FigureCanvasTkAgg(figConf, confGUI)
    canvasConf.get_tk_widget().pack()
    graph1(dataThatWasMadeElsewhere)
    
    confGUI.mainloop()

def graph1(df_combined):
    # 归一化时间到0-1范围
    df_combined['time'] = (df_combined['time']-np.min(df_combined['time']))/(np.max(df_combined['time'])-np.min(df_combined['time']))
    
    df_grouped = df_combined.groupby('time')['y'].agg(['mean', 'std'])
    df_grouped.reset_index(inplace=True)
    median_std = df_grouped['std'].median()
    df_grouped['std'].fillna(median_std, inplace=True) # 将NaN的标准差替换为中位数标准差

    # 对均值做滑动平均平滑，避免图表显示杂乱
    window_size = 100
    df_grouped['rolling_mean'] = df_grouped['mean'].rolling(window_size, center=True).mean()
    df_grouped['lower'] = df_grouped['mean']-df_grouped['std']
    df_grouped['upper'] = df_grouped['mean']+df_grouped['std']

    graphConf.set_xlabel('Time')
    graphConf.set_ylabel('Y')

    graphConf.fill_between(df_grouped['time'], df_grouped['lower'], df_grouped['upper'], color='red', alpha=0.2)
    # 绘制每个文件的单独曲线
    for filename in set(df_combined['filename']):
        file_data = df_combined[df_combined['filename'] == filename]
        graphConf.plot(file_data['time'], file_data['Y'], color="gray", linewidth=0.5)
    graphConf.plot(df_grouped['time'], df_grouped['rolling_mean'], color='r', alpha=1, linewidth=5)

    canvasConf.draw()

if __name__ == "__main__":
    menu()

问题分析与解决方案 #

核心问题

每次调用graph1时，你没有清空子图graphConf上的旧绘图元素，而是直接在原有内容上叠加新的线条、填充层。Matplotlib会保留所有这些旧的绘图对象（比如每个文件对应的灰色Line2D、红色填充区域等），导致内存持续累积，无法被垃圾回收机制释放。

具体修复步骤

1. 每次绘图前清空子图
   在graph1函数的开头添加一行代码，清除子图上的所有旧元素：

   def graph1(df_combined):
       graphConf.clear()  # 先清空旧的绘图内容
       # 后续原有逻辑...
   

   这会重置子图的所有线条、标签、填充，释放对应的内存。

2. 优化全局变量的使用（可选但更规范）
   全局变量figConf、graphConf、canvasConf会长期持有绘图对象引用，增加内存泄漏风险。建议改成通过函数参数传递：

   def menu():
       confGUI = tk.Tk()
       confGUI.geometry("800x800")
       figConf, graphConf = plt.subplots()
       canvasConf = FigureCanvasTkAgg(figConf, confGUI)
       canvasConf.get_tk_widget().pack()
       # 把绘图对象传入graph1
       graph1(dataThatWasMadeElsewhere, graphConf, canvasConf)
       
       confGUI.mainloop()
   
   def graph1(df_combined, graphConf, canvasConf):
       graphConf.clear()
       # 原有绘图逻辑...
       canvasConf.draw()
   

3. 减少临时数据对象（辅助优化）

   • 避免直接修改原DataFrame：df_combined['time'] = ...会修改输入数据，改用assign创建新对象（如果不需要保留原数据则可忽略）：

     df_combined = df_combined.assign(
         time=(df_combined['time']-df_combined['time'].min())/(df_combined['time'].max()-df_combined['time'].min())
     )
     

   • 链式调用分组聚合，减少中间变量：

     df_grouped = df_combined.groupby('time')['y'].agg(['mean', 'std']).reset_index()
     

4. 强制垃圾回收（补充手段）
   在graph1函数末尾添加垃圾回收触发代码，帮助清理临时对象：

   import gc
   gc.collect()
   

内容的提问来源于stack exchange，提问作者Galorch