PySimpleGUI中使用Matplotlib实现动态CPU监控图表
2025-05-16 13:21:18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
- 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
- 双缓冲技术:使用
plt.pause(0.01)可以实现更平滑的动画效果 - 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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
239
2.36 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
216
291
暂无简介
Dart
539
118
仓颉编译器源码及 cjdb 调试工具。
C++
115
86
仓颉编程语言运行时与标准库。
Cangjie
122
97
🎉 (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
998
589
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
589
115
Ascend Extension for PyTorch
Python
77
110
仓颉编程语言提供了 stdx 模块,该模块提供了网络、安全等领域的通用能力。
Cangjie
80
55