首页
/ PySimpleGUI中使用Matplotlib实现动态CPU监控图表

PySimpleGUI中使用Matplotlib实现动态CPU监控图表

2025-05-16 00:37:32作者:谭伦延

概述

本文将介绍如何在PySimpleGUI应用中集成Matplotlib图表,实现一个动态更新的CPU使用率监控界面。我们将探讨如何解决时间轴显示问题、图表刷新机制以及界面布局优化等关键技术点。

核心问题分析

在开发监控类应用时,经常需要展示时间序列数据。当数据点密集时,X轴(时间轴)标签容易重叠,导致可读性差。此外,动态更新图表时还需要考虑性能优化和界面稳定性。

解决方案

1. Matplotlib时间轴优化

使用Matplotlib的mdates模块可以很好地处理时间序列数据的显示问题:

import matplotlib.dates as mdates

def create_plot(time, cpu):
    fig = Figure()
    ax = fig.add_subplot(111)
    ax.plot(time, cpu, color='red')
    
    # 设置时间轴格式
    ax.xaxis.set_major_locator(mdates.AutoDateLocator())
    ax.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
    fig.autofmt_xdate()  # 自动旋转日期标签
    
    ax.set_xlabel('时间')
    ax.set_ylabel('CPU使用率(%)')
    ax.grid(True)
    ax.set_ylim(0, 100)  # 固定Y轴范围
    
    return fig

2. 图表刷新机制

在PySimpleGUI中实现图表动态更新时,需要正确处理旧图表的清理:

def draw_figure(canvas, figure):
    # 检查并清理旧图表
    if hasattr(canvas, 'figure_canvas_agg'):
        canvas.figure_canvas_agg.get_tk_widget().destroy()
    
    # 创建新图表
    figure_canvas_agg = FigureCanvasTkAgg(figure, canvas)
    figure_canvas_agg.draw()
    figure_canvas_agg.get_tk_widget().pack(side='left', expand=True)
    
    # 保存引用以便下次清理
    canvas.figure_canvas_agg = figure_canvas_agg
    return figure_canvas_agg

3. 完整界面实现

结合PySimpleGUI的布局系统,我们可以构建一个完整的监控界面:

import PySimpleGUI as sg
from matplotlib.figure import Figure
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg

# 初始化界面
layout = [
    [sg.Text('处理器监控')],
    [sg.Frame("CPU使用率", 
             [[sg.Canvas(key='-CPUchart-', expand_x=True, expand_y=True)]], 
             size=(500,500))],
    [sg.Button('刷新', key='-REFRESH-')]
]

window = sg.Window('处理器监控', layout, finalize=True)

# 初始绘图
time, cpu = get_cpu_data()  # 获取数据的函数
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_data()
        draw_figure(window['-CPUchart-'].TKCanvas, create_plot(time, cpu))
        
    if event == sg.WIN_CLOSED:
        break

window.close()

性能优化建议

  1. 数据采样:对于长时间监控,考虑对历史数据进行降采样,只保留关键点
  2. 双缓冲技术:使用plt.pause(0.01)可以实现更平滑的动画效果
  3. 异步更新:对于实时性要求高的场景,考虑使用线程或异步IO来更新数据

替代方案

PySimpleGUI自带的Graph元素也可以实现简单的图表功能,对于不需要复杂样式的场景,这是更轻量级的解决方案:

graph = sg.Graph(canvas_size=(400, 400), 
                graph_bottom_left=(0,0), 
                graph_top_right=(100,100),
                key='-GRAPH-')

总结

在PySimpleGUI中集成Matplotlib图表需要特别注意时间轴的显示优化和图表刷新机制。通过合理使用Matplotlib的日期格式化功能和PySimpleGUI的Canvas元素,可以构建出功能强大且美观的监控界面。对于性能要求高的场景,可以考虑简化图表复杂度或使用PySimpleGUI原生绘图功能作为替代方案。

登录后查看全文
热门项目推荐
相关项目推荐

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