可視化工具PyVista多線程顯示多窗口的實(shí)例代碼
在使用PyVista進(jìn)行多線程同時(shí)顯示多個(gè)窗口的時(shí)候，發(fā)現(xiàn)開啟多個(gè)線程顯示窗口，窗口會(huì)卡死，于是便有了這篇文章。
發(fā)現(xiàn)問題
在可視化工具——利用PyVista進(jìn)行mesh的色彩映射這篇博客中，我們實(shí)現(xiàn)了使用四種方法對(duì)mesh進(jìn)行色彩映射，為了對(duì)這四種方法映射結(jié)果有一個(gè)直觀的認(rèn)識(shí)，我第一個(gè)想法就是開啟四個(gè)線程，分別調(diào)用這四個(gè)函數(shù)。
代碼如下：
定義四個(gè)色彩映射函數(shù)：
import pyvista as pv
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
import numpy as np
import colorcet
import threading
from pyvista.demos import demos
from pyvista import examples
import multiprocessing
def mesh_cmp_custom(mesh, name):
"""
自定義色彩映射
:param mesh: 輸入mesh
:param name: 比較數(shù)據(jù)的名字
:return:
"""
pts = mesh.points
mesh[name] = pts[:, 1]
# Define the colors we want to use
blue = np.array([12 / 256, 238 / 256, 246 / 256, 1])
black = np.array([11 / 256, 11 / 256, 11 / 256, 1])
grey = np.array([189 / 256, 189 / 256, 189 / 256, 1])
yellow = np.array([255 / 256, 247 / 256, 0 / 256, 1])
red = np.array([1, 0, 0, 1])
c_min = mesh[name].min()
c_max = mesh[name].max()
c_scale = c_max - c_min
mapping = np.linspace(c_min, c_max, 256)
newcolors = np.empty((256, 4))
newcolors[mapping >= (c_scale * 0.8 + c_min)] = red
newcolors[mapping < (c_scale * 0.8 + c_min)] = grey
newcolors[mapping < (c_scale * 0.55 + c_min)] = yellow
newcolors[mapping < (c_scale * 0.3 + c_min)] = blue
newcolors[mapping < (c_scale * 0.1 + c_min)] = black
# Make the colormap from the listed colors
my_colormap = ListedColormap(newcolors)
mesh.plot(scalars=name, cmap=my_colormap)
def mesh_cmp_mpl(mesh, name):
"""
使用Matplotlib進(jìn)行色彩映射
:param mesh: 輸入mesh
:param name: 比較數(shù)據(jù)的名字
:return:
"""
pts = mesh.points
mesh[name] = pts[:, 1]
mlp_cmap = plt.cm.get_cmap("viridis", 25)
mesh.plot(scalars=name, cmap=mlp_cmap)
def mesh_cmp(mesh, name):
"""
使用進(jìn)行plot自帶的色彩映射
:param mesh: 輸入mesh
:param name: 比較數(shù)據(jù)的名字
:return:
"""
pts = mesh.points
mesh[name] = pts[:, 1]
mesh.plot(scalars=name, cmap='viridis_r')
def mesh_cmp_colorcet(mesh, name):
"""
使用進(jìn)行colorcet進(jìn)行色彩映射
:param mesh: 輸入mesh
:param name: 比較數(shù)據(jù)的名字
:return:
"""
pts = mesh.points
mesh[name] = pts[:, 1]
mesh.plot(scalars=name, cmap=colorcet.fire)
開啟四個(gè)線程調(diào)用：
if __name__ == '__main__':
#mesh = pv.read('vtkData/airplane.ply')
mesh = examples.download_embryo()
# 開啟多線程用于可視化曲面
t1 = threading.Thread(target=mesh_cmp, args=(mesh, 'y_height',))
t1.start()
t2 = threading.Thread(target=mesh_cmp_mpl, args=(mesh, 'y_height',))
t2.start()
t3 = threading.Thread(target=mesh_cmp_custom, args=(mesh, 'y_height',))
t3.start()
t1.join()
t2.join()
t3.join()
結(jié)果，卡頓了
問題分析
首先說一下python的多線程問題
python多線程
線程（Thread）也叫輕量級(jí)進(jìn)程，是操作系統(tǒng)能夠進(jìn)行運(yùn)算調(diào)度的最小單位，它被包涵在進(jìn)程之中，是進(jìn)程中的實(shí)際運(yùn)作單位。線程自己不擁有系統(tǒng)資源，只擁有一點(diǎn)兒在運(yùn)行中必不可少的資源，但它可與同屬一個(gè)進(jìn)程的其它線程共享進(jìn)程所擁有的全部資源。一個(gè)線程可以創(chuàng)建和撤消另一個(gè)線程，同一進(jìn)程中的多個(gè)線程之間可以并發(fā)執(zhí)行。
舉個(gè)簡(jiǎn)單的例子來理解下：
假定有一 7 * 24 小時(shí)不停工的工廠，由于其電力有限，一次僅供一個(gè)車間使用，當(dāng)一個(gè)車間在生產(chǎn)時(shí)，其他車間停工。在這里我們可以理解這個(gè)工廠相當(dāng)于操作系統(tǒng)，供電設(shè)備相當(dāng)于 CPU，一個(gè)車間相當(dāng)于一個(gè)進(jìn)程。
一個(gè)車間里，可以有很多工人。他們協(xié)同完成一個(gè)任務(wù)。車間的空間是工人們共享的，這里一個(gè)工人就相當(dāng)于一個(gè)線程，一個(gè)進(jìn)程可以包括多個(gè)線程。比如許多房間是每個(gè)工人都可以進(jìn)出的。這象征一個(gè)進(jìn)程的內(nèi)存空間是共享的，每個(gè)線程都可以使用這些共享內(nèi)存。
Python 多線程適合用在 I/O 密集型任務(wù)中。I/O 密集型任務(wù)較少時(shí)間用在 CPU 計(jì)算上，較多時(shí)間用在 I/O 上，如文件讀寫，web 請(qǐng)求，數(shù)據(jù)庫請(qǐng)求 等；而對(duì)于計(jì)算密集型任務(wù)，應(yīng)該使用多進(jìn)程。
參考： https://blog.csdn.net/somezz/article/details/80963760
問題解決
很明顯，應(yīng)該使用多進(jìn)程來顯示四個(gè)窗口。
代碼：
if __name__ == '__main__':
#mesh = pv.read('vtkData/airplane.ply')
mesh = examples.download_embryo()
# 開啟多進(jìn)程用于可視化曲面
p1 = multiprocessing.Process(target=mesh_cmp_custom, args=(mesh, 'y_height',))
p2 = multiprocessing.Process(target=mesh_cmp_mpl, args=(mesh, 'y_height',))
p3 = multiprocessing.Process(target=mesh_cmp, args=(mesh, 'y_height',))
p1.start()
p2.start()
p3.start()
p1.join()
p2.join()
p3.join()
結(jié)果：
到此這篇關(guān)于可視化工具PyVista多線程顯示多窗口的實(shí)例代碼的文章就介紹到這了,更多相關(guān)PyVista可視化工具內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python中requests和https使用簡(jiǎn)單示例
這篇文章主要介紹了python中requests和https使用簡(jiǎn)單示例，具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
Python的內(nèi)存分配機(jī)制是小白們最需要理解的概念之一。創(chuàng)建對(duì)象（變量、函數(shù)、對(duì)象等）后，CPython會(huì)在內(nèi)存中為其分配地址。Python有一個(gè)id（）函數(shù)，它可以返回對(duì)象的“身份”，也就是內(nèi)存地址。它實(shí)際上是一個(gè)唯一的整數(shù)。2021-05-05
爬蟲框架 Feapder 和 Scrapy 的對(duì)比分析
本篇文章在源碼層面比對(duì) feapder、scrapy 、scrapy-redis 的設(shè)計(jì)，閱讀本文后，會(huì)加深您對(duì) scrapy 以及 feapder 的了解，以及為什么推薦使用 feapder,剛興趣的朋友可以參考下面文章內(nèi)容2021-09-09
django執(zhí)行原始查詢sql,并返回Dict字典例子
這篇文章主要介紹了django執(zhí)行原始查詢sql,并返回Dict字典例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要為大家介紹了Python中常用的兩個(gè)序列化模塊：pickle序列化和json序列化。文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以學(xué)習(xí)一下2022-05-05
本文主要介紹了Python 正則 re.compile 真的必需嗎，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
