快捷導(dǎo)航

python多線程實(shí)現(xiàn)動態(tài)圖繪制

更新時間：2022年04月15日 13:42:18 作者：淺若清風(fēng)cyf?

這篇文章主要介紹了python多線程實(shí)現(xiàn)動態(tài)圖繪制，文章基于Python的相資料展開動態(tài)圖的繪制相關(guān)內(nèi)容，具有一定的參考價值，需要的小伙伴可以參考一下

一、背景

有些情況下，我們面對實(shí)時更新的數(shù)據(jù)，希望能夠在一個窗口中可視化出來，并且能夠?qū)崟r更新，方便我們觀察數(shù)據(jù)的變化，從而進(jìn)行數(shù)據(jù)分析，例如：繪制音頻的波形，繪制動態(tài)曲線等，下面介紹使用matplotlib結(jié)合多線程繪制動態(tài)圖，希望能幫助到有需要的朋友。

遇到的場景：最近剛好在學(xué)習(xí)人工智能中的遺傳算法，并且使用該算法求解TSP，了解這個算法的朋友知道這個算法是通過不斷迭代，尋找適應(yīng)度大的最優(yōu)解，為了了解迭代過程中適應(yīng)度的變化，我希望能夠?qū)崟r更新迭代過程中的適應(yīng)度，將其可視化出來（數(shù)據(jù)量不斷增大）

直接上圖：

二、步驟

1、使用matplotlib繪制動態(tài)圖

工具：matplotlib.animation

2、創(chuàng)建一個線程用于更新數(shù)據(jù)

threading

三、代碼框架

# Author: 淺若清風(fēng)cyf
# Date: 2020/12/11

import threading
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import matplotlib.lines as line
import numpy as np

CHUNK = 2048  # 初始數(shù)據(jù)量
data=np.random.normal(0,1,CHUNK)  # 存放數(shù)據(jù)，用于繪制圖像，數(shù)據(jù)類型可為列表

# 定義畫布
fig = plt.figure()
ax = plt.subplot(111,ylim=(0,5))
line = line.Line2D([], [])  # 繪制直線

# 初始化圖像
def plot_init():
    ax.add_line(line)
    return line, # 必須加逗號,否則會報錯（TypeError: 'Line2D' object is not iterable）

# 更新圖像(animation會不斷調(diào)用此函數(shù)刷新圖像，實(shí)現(xiàn)動態(tài)圖的效果)
def plot_update(i):
    global data  # data為全局變量
    data_copy = data.copy()  # 為避免線程不同步導(dǎo)致獲取到的data在繪制圖像時被更新，這里復(fù)制數(shù)據(jù)的副本，否則繪制圖像的時候可能會出現(xiàn)x和y的數(shù)據(jù)維度不相等的情況
    x_data=np.arange(0,data_copy.shape[0],1)  # x軸根據(jù)y軸數(shù)據(jù)自動生成（可根據(jù)需要修改）
    ax.set_xlim(0,data_copy.shape[0])  # 橫坐標(biāo)范圍（橫坐標(biāo)的范圍和刻度可根據(jù)數(shù)據(jù)長度更新）
    ax.set_title("title",fontsize=8)  # 設(shè)置title
    line.set_xdata(x_data)  # 更新直線的數(shù)據(jù)
    line.set_ydata(data_copy)  # 更新直線的數(shù)據(jù)
	# 大標(biāo)題（若有多個子圖，可為其設(shè)置大標(biāo)題）
    plt.suptitle('Suptitle',fontsize=8)
    # 重新渲染子圖
    ax.figure.canvas.draw()  # 必須加入這一行代碼，才能更新title和坐標(biāo)!!!
    return line,  # 必須加逗號,否則會報錯（TypeError: 'Line2D' object is not iterable）

# 繪制動態(tài)圖
ani = animation.FuncAnimation(fig,   # 畫布
							  plot_update,  # 圖像更新
                              init_func=plot_init,  # 圖像初始化
                              frames=1,
                              interval=30,  # 圖像更新間隔
                              blit=True)

# 數(shù)據(jù)更新函數(shù)
def dataUpdate_thead():
    global data
    # 為了方便理解代碼，這里生成正態(tài)分布的隨機(jī)數(shù)據(jù)
    while True:  # 為了方便測試，讓數(shù)據(jù)不停的更新
	    data=np.random.normal(0,1,CHUNK)

# 為數(shù)據(jù)更新函數(shù)單獨(dú)創(chuàng)建一個線程，與圖像繪制的線程并發(fā)執(zhí)行
ad_rdy_ev = threading.Event()
ad_rdy_ev.set()  # 設(shè)置線程運(yùn)行
t = threading.Thread(target=dataUpdate_thead, args=()) # 更新數(shù)據(jù)，參數(shù)說明：target是線程需要執(zhí)行的函數(shù)，args是傳遞給函數(shù)的參數(shù)）
t.daemon = True
t.start()  # 線程執(zhí)行

plt.show() # 顯示圖像(0,1,CHUNK)

# 為數(shù)據(jù)更新函數(shù)單獨(dú)創(chuàng)建一個線程，與圖像繪制的線程并發(fā)執(zhí)行
ad_rdy_ev = threading.Event()
ad_rdy_ev.set()  # 設(shè)置線程運(yùn)行
t = threading.Thread(target=dataUpdate_thead, args=()) # 更新數(shù)據(jù)，參數(shù)說明：target是線程需要執(zhí)行的函數(shù)，args是傳遞給函數(shù)的參數(shù)）
t.daemon = True
t.start()  # 線程執(zhí)行

plt.show() # 顯示圖像

效果：