PySimpleGUI结合Matplotlib实现动态CPU监控图表的技术实践
背景介绍
在Python GUI开发中,PySimpleGUI是一个简单易用的库,而Matplotlib则是数据可视化的利器。本文将介绍如何将两者结合,实现一个动态更新的CPU使用率监控图表,并解决图表显示中的常见问题。
核心实现方案
1. 基础图表绘制
首先需要创建一个基本的图表绘制函数,该函数接收时间序列和CPU使用率数据,返回一个配置好的Matplotlib图表对象。
def create_plot(time, cpu):
fig = Figure()
ax = fig.add_subplot(111)
# 绘制数据线
ax.plot(time, cpu, color='red')
# 设置图表标题和坐标轴标签
ax.set_xlabel('时间', fontsize=10)
ax.set_ylabel('CPU使用率(%)', fontsize=10)
ax.grid(True)
# 配置时间轴格式
ax.xaxis.set_major_locator(mdates.AutoDateLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
fig.autofmt_xdate() # 自动调整日期标签角度
# 设置Y轴范围
ax.set_ylim(0, 100)
return fig
2. 图表嵌入GUI
PySimpleGUI的Canvas元素可以用来嵌入Matplotlib图表,需要专门的绘制函数:
def draw_figure(canvas, figure):
# 检查是否已有图表存在,若有则清除
if hasattr(canvas, 'figure_canvas_agg'):
canvas.figure_canvas_agg.get_tk_widget().destroy()
# 创建新的图表画布
figure_canvas_agg = FigureCanvasTkAgg(figure, canvas)
figure_canvas_agg.draw()
figure_canvas_agg.get_tk_widget().pack(side='left', expand=1)
# 保存引用以便下次更新
canvas.figure_canvas_agg = figure_canvas_agg
return figure_canvas_agg
3. 动态更新机制
为了实现图表的动态更新,我们需要设置一个刷新按钮,并在点击时重新获取数据并重绘图表:
# 创建GUI布局
layout = [
[sg.Text('处理器监控')],
[sg.Frame("CPU使用率", [[canvas]], size=(500,500))],
[sg.Button('刷新', key='-REFRESH-')]
]
window = sg.Window('处理器监控', layout, finalize=True)
# 初始数据加载
time, cpu = get_cpu_usage()
draw_figure(window['-CPUchart-'].TKCanvas, create_plot(time, cpu))
# 事件循环
while True:
event, values = window.read()
if event == '-REFRESH-':
time, cpu = get_cpu_usage()
draw_figure(window['-CPUchart-'].TKCanvas, create_plot(time, cpu))
if event == sg.WIN_CLOSED:
break
关键技术点解析
-
时间轴处理:使用Matplotlib的dates模块(mdates)来处理时间序列数据,AutoDateLocator自动选择合适的时间间隔,DateFormatter控制时间显示格式。
-
图表更新机制:每次刷新时,先销毁旧的图表widget再创建新的,避免内存泄漏和性能问题。
-
布局优化:通过设置expand_x和expand_y参数让图表随窗口大小自适应,使用Frame元素为图表添加边框和标题。
-
性能考虑:对于高频更新的场景,可以考虑只更新数据而不是重建整个图表,但对于CPU监控这种低频场景,完全重建的方式已经足够。
常见问题解决方案
-
X轴标签重叠:通过fig.autofmt_xdate()自动旋转标签角度,避免重叠。
-
Y轴范围固定:明确设置set_ylim(0,100)确保不同时间段的图表具有可比性。
-
图表刷新闪烁:确保在绘制新图表前正确销毁旧图表,避免残留元素。
-
时间格式显示:使用DateFormatter('%H:%M')只显示小时和分钟,适合监控场景。
扩展应用
这种技术方案不仅适用于CPU监控,还可以应用于:
- 内存使用监控
- 网络流量监控
- 传感器数据实时显示
- 股票价格走势图
只需替换数据获取函数和适当调整图表配置,就能快速构建各种监控类应用。
总结
通过PySimpleGUI和Matplotlib的结合,我们可以轻松创建专业级的监控界面。本文介绍的方法解决了时间序列数据显示、图表动态更新等关键问题,为开发者提供了一个可靠的技术方案。这种方案既保持了PySimpleGUI的简洁性,又发挥了Matplotlib强大的可视化能力,是开发监控类应用的理想选择。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









