如何在循环中更新绘图？对比solve()与inv()求解耗时可视化

要在循环中实时更新对比np.linalg.inv()和np.linalg.solve()的耗时绘图，需要开启matplotlib的交互模式，同时维护每次循环的测试数据，逐步更新图表内容。以下是修改后的完整可运行代码：

import numpy as np
from datetime import datetime
import matplotlib.pyplot as plt

# 开启matplotlib交互模式，支持动态更新
plt.ion()

# 初始化存储数据的列表
n_values = []
inv_times = []
solve_times = []

# 创建绘图画布和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))
# 初始化两条曲线，后续更新数据
inv_line, = ax.plot([], [], 'bo-', label='inv() + 矩阵乘法')
solve_line, = ax.plot([], [], 'rs-', label='solve()')

# 设置坐标轴和图表属性
ax.set_xlabel('矩阵规模 n')
ax.set_ylabel('求解耗时 (秒)')
ax.set_title('numpy inv() vs solve() 线性系统求解耗时对比')
ax.legend()
ax.grid(True)

# 测试不同规模的矩阵
for n in (100, 200, 500, 1000, 2000, 5000, 10000):
    A = np.random.randn(n, n)
    B = np.ones((n, 1))

    # 注意：原代码中np.linalg.inv(A)*B是元素-wise乘法，正确的矩阵乘法应该用@
    # 求解 using INV FNC
    start_time = datetime.now()
    Xi = np.linalg.inv(A) @ B
    end_time = datetime.now()
    inv_duration = (end_time - start_time).total_seconds()

    # 求解 using SOLVE FNC
    start_time2 = datetime.now()
    Xs = np.linalg.solve(A, B)
    end_time2 = datetime.now()
    solve_duration = (end_time2 - start_time2).total_seconds()

    # 打印耗时
    print(f'Duration of INV FNC for n={n}: {inv_duration:.4f} 秒')
    print(f'Duration of SOLVE FNC for n={n}: {solve_duration:.4f} 秒')

    # 更新数据列表
    n_values.append(n)
    inv_times.append(inv_duration)
    solve_times.append(solve_duration)

    # 更新曲线数据
    inv_line.set_data(n_values, inv_times)
    solve_line.set_data(n_values, solve_times)

    # 自动调整坐标轴范围，避免数据超出显示区域
    ax.relim()
    ax.autoscale_view()

    # 刷新图表并短暂暂停，让系统完成渲染
    plt.draw()
    plt.pause(0.01)

# 循环结束后关闭交互模式，保持图表显示
plt.ioff()
plt.show()

关键说明： #

1. 交互模式开启：plt.ion()是动态更新的核心，它让matplotlib不再阻塞程序执行，允许实时刷新图表。
2. 数据维护：用三个列表分别记录矩阵规模、inv()的耗时、solve()的耗时，每次循环后追加新数据。
3. 曲线更新：预先创建线条对象，每次循环仅更新线条的x和y数据，比每次重新绘图更高效。
4. 时间转换：将datetime返回的时间差（timedelta对象）转换为总秒数，方便绘图时的数值展示和坐标轴缩放。
5. 矩阵乘法修正：原代码中的np.linalg.inv(A)*B是元素级乘法，这不符合线性系统求解的逻辑，正确的矩阵乘法应该使用@运算符，否则得到的结果是错误的，耗时测试也失去意义。

内容的提问来源于stack exchange，提问作者walkingwhale