首页
/ PySimpleGUI结合Matplotlib实现动态CPU监控图表的技术实践

PySimpleGUI结合Matplotlib实现动态CPU监控图表的技术实践

2025-05-16 02:29:16作者:蔡丛锟

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

  1. 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。

  2. 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。

  3. 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。

  4. 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

  1. X轴标签重叠:通过fig.autofmt_xdate()自动旋转标签角度,避免重叠。

  2. 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。

  3. 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。

  4. 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。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
951
557
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0