首先，（尽管这根本不会改变性能）考虑清理代码，类似于：
import matplotlib.pyplot as pltimport numpy as npimport timex = np.arange(0, 2*np.pi, 0.01)y = np.sin(x)fig, axes = plt.subplots(nrows=6)styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']lines = [ax.plot(x, y, style)[0] for ax, style in zip(axes, styles)]fig.show()tstart = time.time()for i in xrange(1, 20): for j, line in enumerate(lines, start=1): line.set_ydata(np.sin(j*x + i/10.0)) fig.canvas.draw()print 'FPS:' , 20/(time.time()-tstart)
在上面的示例中，我得到了大约10fps。
请注意，根据您的实际使用情况，matplotlib可能不是一个很好的选择。它面向的是出版物质量的数字，而不是实时显示。
但是，您可以做很多事情来加快此示例的速度。
速度如此之慢的主要原因有两个。
1）调用会重
fig.canvas.draw()画 所有内容 。这是您的瓶颈。就您而言，您无需重新绘制诸如轴边界，刻度线标签等内容。
2）在您的情况下，有很多带有很多刻度标签的子图。这些需要很长时间才能绘制出来。
这两种都可以通过使用blitting进行修复。
为了高效地进行blit，您必须使用特定于后端的代码。在实践中，如果您真的担心平滑的动画，那么无论如何，通常都将matplotlib图嵌入某种gui工具包中，所以这不是什么大问题。
但是，在不了解您正在做什么的情况下，我无法为您提供帮助。
尽管如此，仍然有一种中立的方式来完成它，仍然相当快。
import matplotlib.pyplot as pltimport numpy as npimport timex = np.arange(0, 2*np.pi, 0.1)y = np.sin(x)fig, axes = plt.subplots(nrows=6)fig.show()# We need to draw the canvas before we start animating...fig.canvas.draw()styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']def plot(ax, style): return ax.plot(x, y, style, animated=True)[0]lines = [plot(ax, style) for ax, style in zip(axes, styles)]# Let's capture the background of the figurebackgrounds = [fig.canvas.copy_from_bbox(ax.bbox) for ax in axes]tstart = time.time()for i in xrange(1, 2000): items = enumerate(zip(lines, axes, backgrounds), start=1) for j, (line, ax, background) in items: fig.canvas.restore_region(background) line.set_ydata(np.sin(j*x + i/10.0)) ax.draw_artist(line) fig.canvas.blit(ax.bbox)print 'FPS:' , 2000/(time.time()-tstart)
这给了我约200fps。
为了使此操作更加方便，
animations最新版本的matplotlib中提供了一个模块。
举个例子：
import matplotlib.pyplot as pltimport matplotlib.animation as animationimport numpy as npx = np.arange(0, 2*np.pi, 0.1)y = np.sin(x)fig, axes = plt.subplots(nrows=6)styles = ['r-', 'g-', 'y-', 'm-', 'k-', 'c-']def plot(ax, style): return ax.plot(x, y, style, animated=True)[0]lines = [plot(ax, style) for ax, style in zip(axes, styles)]def animate(i): for j, line in enumerate(lines, start=1): line.set_ydata(np.sin(j*x + i/10.0)) return lines# We'd normally specify a reasonable "interval" here...ani = animation.FuncAnimation(fig, animate, xrange(1, 200), interval=0, blit=True)plt.show()
