🚇 👊 🚊 非块状绘图和bokeh更新图表 👩🏻‍🍳 🚳 ℹ️

我有一个带有计算的Python脚本。大约有2000次迭代的循环，每个循环都被认为是几分钟。

我决定巧妙地调试该脚本，显示迭代次数中一些指标的图形。并且，由于计算了下一次迭代，因此计划和更新。

最简单的方法是散景。更准确地说，使用bokeh服务器绘制图形。怎么做-现在我告诉你。

首先，启动服务器：Servochka自带bokeh本身，因此在pip安装bokeh之后，只需在控制台中键入bokeh serve即可启动服务器。

为什么需要它？然后显示图表

没有阻止其余代码的执行（因为它发生在浏览器中的一个单独的过程中），
这样图形才能响应窗口大小调整（或最小化-最大化）
这样一来，我们就可以随时通过Python流程随意更改此计划！

这样做是这样的：

import time import sys from bokeh.plotting import figure from bokeh.client import pull_session from bokeh.models import ColumnDataSource #     --    -,    bokeh serve # Please run "bokeh serve" in console before start! if __name__ == "__main__": #    (  ,     ) session = pull_session() #  .. ,      (    ) fig = figure(title=("Total TBS (in bits)"), plot_height=300, plot_width=800) #         datasource = ColumnDataSource(data={"x": [], "y": []}) line = fig.line(x="x", y="y", source=datasource, line_width=2, legend=("Super dooper line from hell")) #        session.show(fig) #     for i in range(10000): #          .   datasource     #       = ) datasource.stream({"x": [i], "y": [i ** 2]}) #       30-40      ,   session.force_roundtrip() #  !

以前，我也必须这样做，但从轻率地说，以前的决定并不是那么好。我一生中没有尝试过的...

小心，镇流器！

您可以通过在每次迭代时手动拉出plt.draw（）来在非阻塞模式下使用matplotlib。的确，matplotlib在非阻塞模式下没有自己的来自GUI的消息处理，并且如果该窗口最小化或与另一个窗口关闭，我们必须等待下一次迭代来重绘它。马马虎虎，但是可以调试。

在Negro中，可以生成具有相同matplotlib图表的图片并将其转储到磁盘。拐杖也很凶，但是却缺少鱼。或在没有图形的远程计算机上。

您可以用一种很酷的方式做到这一点：使用PyQt，将计算代码包装在QObject中，将其推入单独的流中，将matplotlib图形包装在QWidget中（或使用Qt Data Visualizaion或PyQtGraph中的图形），通过带有槽口的信号将数学连接到图形，就会有幸福。没错，这有点像快速调试解决方案，需要教Qt，但是我做了几次。

您可以在单独的流程中（例如，使用aiohttp + PyQt + PyQtGraph）筹集一个小型服务器应用程序来绘制图形，可以通过主要流程中的REST API将其关闭。一旦执行完此操作，但它也没有吸引快速修复调试的麻烦。

您可以写入某种数据库（当前流行什么？），然后让Grafan在其中流行。没错，您需要同时放置数据库和Grafan，对其进行配置，并且通常会麻烦写入数据库。可能也可以通过文件来实现，但是对于两张千分之一的图形来说，它们就像大炮麻雀...

或者，您可以了解plotly.dash，将数学放在单独的流中，将其包装在dash应用程序中，然后进行大量的垃圾处理。尽管这是必要的，但我尚未掌握。

总之，调试成功！

非块状绘图和bokeh更新图表

More articles: