Python如何实时绘制曲线

Python实时绘制曲线可以通过使用Matplotlib库、PyQtGraph库、Bokeh库等工具实现。其中，Matplotlib是最常用的选择，因为其简单易用、功能强大。此外，PyQtGraph提供了更高的性能，适合需要快速更新绘图的情况。Bokeh则适合创建交互式的Web应用。下面将详细介绍如何使用这三种工具进行实时曲线绘制。

一、MATPLOTLIB实现实时绘图

Matplotlib是Python中最流行的绘图库之一，提供了简单易用的接口来创建各种类型的图表。在实时绘图中，Matplotlib可以通过更新图表数据并重绘图像实现动态效果。

使用FuncAnimation实现实时更新

FuncAnimation是Matplotlib中用于制作动画的工具。通过定义一个更新函数，并设置定时器来定期调用此函数，可以实现实时更新图表。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.animation as animation
初始化数据
x_data = []
y_data = []
fig, ax = plt.subplots()
line, = ax.plot([], [], lw=2)
def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(-1, 1)
    return line,
def update(frame):
    x_data.append(frame)
    y_data.append(np.sin(frame))
    line.set_data(x_data, y_data)
    return line,
ani = animation.FuncAnimation(fig, update, frames=np.linspace(0, 10, 100), init_func=init, blit=True)
plt.show()

在上面的例子中，update函数负责更新数据并重绘曲线。通过FuncAnimation函数定期调用update，实现了实时绘图。

使用draw方法手动更新图表

对于简单的实时绘图需求，可以手动更新数据并调用draw方法来刷新图表。

import matplotlib.pyplot as plt
import numpy as np
import time
plt.ion()  # 开启交互模式
x_data = []
y_data = []
fig, ax = plt.subplots()
line, = ax.plot(x_data, y_data)
for i in range(100):
    x_data.append(i)
    y_data.append(np.sin(i * 0.1))
    line.set_xdata(x_data)
    line.set_ydata(y_data)
    ax.relim()
    ax.autoscale_view()
    plt.draw()
    plt.pause(0.1)  # 暂停以更新图像
plt.ioff()  # 关闭交互模式
plt.show()

这种方法适合于简单的实时绘图，但性能不如FuncAnimation高效。

二、PYQTGRAPH实现高性能实时绘图

PyQtGraph是一个基于Qt的高性能绘图库，专为需要快速更新的应用设计。它比Matplotlib更适合实时数据可视化，尤其是在需要处理大量数据时。

基本用法

import pyqtgraph as pg
from pyqtgraph.Qt import QtGui, QtCore
import numpy as np
app = QtGui.QApplication([])
win = pg.GraphicsLayoutWidget(show=True)
plot = win.addPlot()
curve = plot.plot()
data = np.random.normal(size=(10, 1000))
ptr = 0
def update():
    global curve, data, ptr
    curve.setData(data[ptr % 10])
    ptr += 1
timer = QtCore.QTimer()
timer.timeout.connect(update)
timer.start(50)
QtGui.QApplication.instance().exec_()

在这个示例中，update函数每50毫秒更新一次曲线数据。PyQtGraph的绘图性能优于Matplotlib，适合于高频更新的场景。

使用QThread进行复杂实时绘图

对于复杂的实时绘图任务，可以使用Qt的QThread来实现多线程，以避免阻塞主线程的GUI更新。

import pyqtgraph as pg
from pyqtgraph.Qt import QtGui, QtCore
import numpy as np
import threading
import time
class DataThread(threading.Thread):
    def __init__(self, curve):
        threading.Thread.__init__(self)
        self.curve = curve
        self.running = True
    def run(self):
        x = np.linspace(0, 2*np.pi, 100)
        while self.running:
            y = np.sin(x + time.time())
            self.curve.setData(x, y)
            time.sleep(0.1)
app = QtGui.QApplication([])
win = pg.GraphicsLayoutWidget(show=True)
plot = win.addPlot()
curve = plot.plot()
data_thread = DataThread(curve)
data_thread.start()
QtGui.QApplication.instance().exec_()
data_thread.running = False
data_thread.join()

在这个示例中，通过DataThread类实现了后台线程的数据更新，从而提高了绘图的效率和响应速度。

三、BOKEH实现交互式实时绘图

Bokeh是一个用于创建交互式可视化的Python库，特别适合用于Web应用。它可以在浏览器中实时更新图表，实现复杂的交互功能。

基本用法

from bokeh.plotting import figure, curdoc
from bokeh.models import ColumnDataSource
from bokeh.layouts import column
import numpy as np
source = ColumnDataSource(data=dict(x=[], y=[]))
plot = figure()
plot.line('x', 'y', source=source)
def update():
    new_data = dict(x=[np.random.random()], y=[np.random.random()])
    source.stream(new_data, rollover=200)
curdoc().add_periodic_callback(update, 100)
layout = column(plot)
curdoc().add_root(layout)