使用 Memcache 缓存 Matplotlib（不会 Pickle）

我有一个图表，渲染需要 3 秒，然后可以从所述图表中添加一些内容来制作子图表。我想缓存主图表中的轴，以便稍后在渲染子图表时检索并修改它。我怎样才能克服这个错误？

这是一个示例测试代码：

import pylibmc
cache = pylibmc.Client(["127.0.0.1"], binary=True, behaviors={"tcp_nodelay": True, "ketama": True})
import matplotlib.pyplot as plt


cache_name = 'test'
fig = plt.figure(figsize=(20, 7))
ax = fig.add_axes([0, 0.15, 0.98, 0.85])
cache.set(cache_name, ax, 300)

这给出了以下错误：

cPickle.PicklingError: Can't pickle <type 'function'>: attribute lookup __builtin__.function failed

无论如何我可以让它发挥作用吗？

关于 matplotlib 图形能够序列化的愿望存在着讨论。我还没有看到任何报告称这个问题已经得到解决，甚至被接受为一个目标。因此，如果您尝试通过网络将它们发送到 memcached，显然会失败。我在搜索时发现的讨论表明，matplotlib 当前的设计并不能轻松满足这一目标，并且需要对内部进行重构。参考：http://old.nabble.com/matplotlib-figure-serialization-td28016714.html http://old.nabble.com/matplotlib-figure-serialization-td28016714.html

为了显着减少执行时间，您可以做的就是将数据重新组织成数据集，并且只调用ax.bar()一次。然后可以将数据集序列化并以您想要的任何格式存储（例如存储到 memcached 中）。

下面是一个代码示例，显示了您的方法与将它们组合到数据集中的方法之间的测试。如果您愿意，可以在这里更轻松地查看：https://gist.github.com/2597804 https://gist.github.com/2597804

import matplotlib.pyplot as plt
from random import randint 
from time import time 

DATA = [
    (i, randint(5,30), randint(5,30), randint(30,35), randint(1,5)) \
    for i in xrange(1, 401)
]

def mapValues(group):
    ind, open_, close, high, low = group
    if open_ > close: # if open is higher then close
        height = open_ - close # heigth is drawn at bottom+height
        bottom = close
        yerr = (open_ - low, high - open_)
        color = 'r' # plot as a white barr
    else:
        height = close - open_ # heigth is drawn at bottom+height
        bottom = open_
        yerr = (close - low, high - close)
        color = 'g' # plot as a black bar

    return (ind, height, bottom, yerr, color)

#
# Test 1
#
def test1():
    fig = plt.figure()
    ax = fig.add_subplot(111)

    data = map(mapValues, DATA)

    start = time()

    for group in data: 

        ind, height, bottom, yerr, color = group

        ax.bar(left=ind, height=height, bottom=bottom, yerr=zip(yerr), 
                color=color, ecolor='k', zorder=10,
                error_kw={'barsabove': False, 'zorder': 0, 'capsize': 0}, 
                alpha=1)

    return time()-start

#
# Test 2
#
def test2():
    fig = plt.figure()
    ax = fig.add_subplot(111)

    # plotData can be serialized
    plotData = zip(*map(mapValues, DATA))

    ind, height, bottom, yerr, color = plotData

    start = time()

    ax.bar(left=ind, height=height, bottom=bottom, yerr=zip(*yerr), 
            color=color, ecolor='k', zorder=10,
            error_kw={'barsabove': False, 'zorder': 0, 'capsize': 0}, 
            alpha=1)

    return time()-start


def doTest(fn):
    end = fn()
    print "%s - Sec: %0.3f, ms: %0d" % (fn.__name__, end, end*1000)



if __name__ == "__main__":
    doTest(test1)
    doTest(test2)

    # plt.show()

Results:

python plot.py 
test1 - Sec: 1.592, ms: 1592
test2 - Sec: 0.358, ms: 357