Matplotlib无法在Django上渲染多个轮廓图

Question

每当（至少）两个人尝试在我的应用程序中生成轮廓图时，其中至少一个会收到随机错误，具体取决于第一个人设法绘制的距离。（“未知元素o”，“
ContourSet必须为在当前的轴中”只是两种可能性）

以下是可能会产生错误的缩减测试，如果您尝试一次在2个或多个选项卡中加载此页面，则第一个将正确呈现，而第二个将产生错误。（我发现执行此操作的最简单方法是用鼠标中键几次单击chrome中的刷新页面按钮）

views.py

def home(request):
    return render(request, 'home.html', {'chart': _test_chart()})


def _test_chart():
    import base64
    import cStringIO
    import matplotlib
    matplotlib.use('agg')
    from matplotlib.mlab import bivariate_normal
    import matplotlib.pyplot as plt
    import numpy as np
    from numpy.core.multiarray import arange

    delta = 0.5

    x = arange(-3.0, 4.001, delta)
    y = arange(-4.0, 3.001, delta)
    X, Y = np.meshgrid(x, y)
    Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
    Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
    Z = (Z1 - Z2) * 10

    fig = plt.figure(figsize=(10, 5))
    plt.contour(X, Y, Z, 10, colors='k')

    jpg_image_buffer = cStringIO.StringIO()
    fig.savefig(jpg_image_buffer)

    array = base64.b64encode(jpg_image_buffer.getvalue())
    jpg_image_buffer.close()
    return array

home.html（仅这一行就足够了）

<img src="data:image/png;base64,{{ chart }}" />

我尝试使用mpld3代替它来处理图像的生成，但是这仍然会产生不同的错误，因此我知道它绝对不是保存图形，而是更多地生成图形。我也尝试过使用aThreadPool和Threading无济于事，据我所知，似乎在matplotlib中创建等高线图无法支持多个实例，这些实例将永远无法用于网站…

我现在能想到的唯一清晰的解决方案是，用其他我真的不想做的东西替换matplotlib。

有没有一种方法可以使用matplotlib生成对我有用的轮廓图？

Answer 1

首先，让我开始说，通过调用_test_chart几个线程可以更轻松地重现

from threading import Thread
for i in xrange(2):
    Thread(target=_test_chart).start()

执行上述操作后，一个将按预期工作，而第二个将崩溃。

这样做的简单原因是pyplot模块不是为多线程设计的，因此，两个图表在尝试绘制时会混淆它们的数据。

可以用mdboom更好地解释

…
pyplot用于在命令行方便地进行绘制，并保持全局状态。例如，当您说plt.figure（）时，它会将图形添加到全局列表中，然后将“当前图形”指针设置为最近创建的图形。然后，随后的绘图命令将自动写入该图形。显然，这不是线程安全的…

有两种方法可以解决此问题，

1. 强制在不同的过程中绘制这些图表。

   for i in xrange(2):
   pool = Pool(processes=1)
   pool.apply(_test_chart)
   

尽管这将起作用，但是您会发现性能显着下降，因为创建流程和生成图表所花的时间通常一样长（我认为这是不可接受的！）

1. 真正的解决方案是使用Matplotlib的OO接口模块，该模块然后将允许您使用正确的对象-本质上，这适用于处理子图而不是图。对于问题中的给定示例，这类似于以下内容

   def _test_chart2():

   delta = 0.5
   
   x = arange(-3.0, 4.001, delta)
   y = arange(-4.0, 3.001, delta)
   X, Y = np.meshgrid(x, y)
   Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
   Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
   Z = (Z1 - Z2) * 10
   
   fig = figure(figsize=(10, 5))
   
   ax1 = fig.add_subplot(111)
   extents = [x.min(), x.max(), y.min(), y.max()]
   im = ax1.imshow(Z,
                   interpolation='spline36',
                   extent=extents,
                   origin='lower',
                   aspect='auto',
                   cmap=cm.jet)
   ax1.contour(X, Y, Z, 10, colors='k')
   
   jpg_image_buffer = cStringIO.StringIO()
   fig.savefig(jpg_image_buffer)
   
   array = base64.b64encode(jpg_image_buffer.getvalue())
   jpg_image_buffer.close()
   
   return array