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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-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).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00