python如何画实时图表

Python 画实时图表的方法有多种，常见的有使用 Matplotlib、Plotly、Bokeh 等库来实现实时数据更新、使用多线程或异步编程来刷新图表、利用数据流处理框架来进行高效数据处理和绘图。其中，使用 Matplotlib 和 Plotly 是最常见的选择。下面将详细介绍如何使用这两种方法来绘制实时图表，并提供一些实用的代码示例。

一、使用 Matplotlib 实现实时图表

Matplotlib 是 Python 中最常用的绘图库之一，具有强大的功能和灵活的绘图选项。尽管 Matplotlib 本身并没有内置的实时绘图功能，但通过一些技巧和方法，我们可以实现实时数据更新。

1、基本方法

在 Matplotlib 中实现实时图表的基本方法是使用 animation.FuncAnimation 函数。这个函数允许我们定义一个更新函数，该函数将在指定的间隔内不断地被调用，从而实现实时更新图表。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'r-')
def init():
    ax.set_xlim(0, 2 * np.pi)
    ax.set_ylim(-1, 1)
    return ln,
def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,
ani = animation.FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128),
                              init_func=init, blit=True)
plt.show()

上述代码创建了一个实时更新的正弦波图表。FuncAnimation 函数的 update 参数指定了更新函数，frames 参数指定了输入数据，init_func 参数指定了初始化函数，blit 参数指定了是否仅重绘更新的部分。

2、多线程更新

在某些情况下，我们可能希望在后台线程中进行数据更新，以便主线程可以专注于处理其他任务。可以使用 Python 的 threading 模块来实现这一点。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np
import threading
import time
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'r-')
def init():
    ax.set_xlim(0, 2 * np.pi)
    ax.set_ylim(-1, 1)
    return ln,
def update(frame):
    ln.set_data(xdata, ydata)
    return ln,
def data_gen():
    for i in np.linspace(0, 2*np.pi, 128):
        xdata.append(i)
        ydata.append(np.sin(i))
        time.sleep(0.1)
thread = threading.Thread(target=data_gen)
thread.start()
ani = animation.FuncAnimation(fig, update, init_func=init, blit=True)
plt.show()

在这个示例中，我们创建了一个后台线程来生成数据，并在主线程中使用 FuncAnimation 函数来更新图表。

二、使用 Plotly 实现实时图表

Plotly 是一个交互式绘图库，具有强大的实时数据绘图能力。与 Matplotlib 不同，Plotly 提供了内置的实时数据更新功能，使用起来更加方便。

1、基本方法

使用 Plotly 实现实时图表的基本方法是利用其 plotly.graph_objs 模块中的 Scatter 和 update 函数。下面是一个简单的示例：

import plotly.graph_objs as go
import plotly.io as pio
import numpy as np
import time
创建图表
fig = go.FigureWidget()
scatter = fig.add_scatter()
显示图表
pio.show(fig)
更新数据
xdata, ydata = [], []
for i in np.linspace(0, 2*np.pi, 128):
    xdata.append(i)
    ydata.append(np.sin(i))
    scatter.update(x=xdata, y=ydata)
    time.sleep(0.1)

上述代码创建了一个 Plotly 图表，并使用 update 函数来实时更新数据。scatter 对象表示散点图，我们可以使用 update 函数来更新其数据。

2、使用 Dash 实现实时图表

Dash 是 Plotly 提供的一个基于 Flask 的 Web 框架，专门用于创建交互式的仪表盘和实时图表。使用 Dash 可以更加方便地实现复杂的实时数据更新功能。

import dash
from dash import dcc, html
from dash.dependencies import Input, Output
import plotly.graph_objs as go
import numpy as np
import time
import threading
app = dash.Dash(__name__)
app.layout = html.Div([
    dcc.Graph(id='live-graph', animate=True),
    dcc.Interval(
        id='graph-update',
        interval=1000,
        n_intervals=0
    )
])
xdata, ydata = [], []
@app.callback(Output('live-graph', 'figure'),
              Input('graph-update', 'n_intervals'))
def update_graph(n):
    global xdata, ydata
    xdata.append(time.time())
    ydata.append(np.sin(time.time()))
    data = go.Scatter(
        x=xdata,
        y=ydata,
        name='Scatter',
        mode='lines+markers'
    )
    return {'data': [data],
            'layout': go.Layout(xaxis=dict(range=[min(xdata), max(xdata)]),
                                yaxis=dict(range=[-1, 1]))}
if __name__ == '__main__':
    app.run_server(debug=True)

在这个示例中，我们使用 Dash 创建了一个实时更新的正弦波图表。dcc.Interval 组件用于定时触发 update_graph 回调函数，该函数更新图表数据并返回新的图表布局。

三、使用 Bokeh 实现实时图表

Bokeh 是另一个强大的交互式绘图库，特别适合于创建漂亮的实时图表。Bokeh 提供了简单而灵活的接口，可以轻松实现实时数据更新。

1、基本方法

在 Bokeh 中实现实时图表的基本方法是使用 bokeh.plotting 模块中的 figure 和 ColumnDataSource。下面是一个简单的示例：

from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource
from bokeh.driving import linear
import numpy as np
创建数据源
source = ColumnDataSource(data=dict(x=[], y=[]))
创建图表
plot = figure()
plot.line('x', 'y', source=source)
更新函数
@linear()
def update(step):
    new_data = dict(x=[step], y=[np.sin(step)])
    source.stream(new_data)
将更新函数添加到文档
curdoc().add_periodic_callback(update, 100)
显示图表
curdoc().add_root(plot)

上述代码创建了一个 Bokeh 图表，并使用 update 函数来实时更新数据。ColumnDataSource 对象表示数据源，我们可以使用 stream 函数来更新其数据。

2、使用 Bokeh Server 实现实时图表

Bokeh Server 是 Bokeh 提供的一个服务器端框架，专门用于创建交互式的 Web 应用程序和实时图表。使用 Bokeh Server 可以更加方便地实现复杂的实时数据更新功能。

from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource
from bokeh.driving import linear
import numpy as np
import time
创建数据源
source = ColumnDataSource(data=dict(x=[], y=[]))
创建图表
plot = figure()
plot.line('x', 'y', source=source)
更新函数
@linear()
def update(step):
    new_data = dict(x=[step], y=[np.sin(step)])
    source.stream(new_data)
将更新函数添加到文档
curdoc().add_periodic_callback(update, 100)
显示图表
curdoc().add_root(plot)