matplotlib, machen glatte Linie

Question

Ich habe Probleme, die Linie, die die Punkte auf meinem Diagramm glatt zu verbinden. Es scheint schwieriger zu sein, da ich ein animiertes Diagramm verwende, alle Beispiele, die ich online gesehen habe, sind für statische Graphen. Ich habe versucht, diesem Interpolationsbeispiel zu folgen, aber ich kann es nicht funktionieren. Irgendwelche Matplotlib-Gurus da draußen? Hier ist der Code für das Diagramm.

import psutil 
import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib as mpl 
import matplotlib.animation as animation 
from collections import deque 


fig = plt.figure() 
ax = plt.axes(xlim=(0, 200), ylim=(0, 100)) 
line, = ax.plot([],[]) 

y_list = deque([-1]*200) 
x_list = deque(np.arange(200,0,-1)) 


def init(): 
    line.set_data([],[]) 
    return line, 


def animate(i): 
    y_list.pop() 
    y_list.appendleft(psutil.cpu_percent(None,False)) 
    line.set_data(x_list,y_list) 
    return line, 

anim = animation.FuncAnimation(fig, animate, init_func=init, 
          frames=200, interval=100, blit=True) 

plt.show() 

Answer 1

Es gibt verschiedene Arten von Glättungen. Wir können über eine Linie nachdenken, die den Mittelwert oder eine Filterfunktion oder einen Spline zeigt. Ich habe alle drei Methoden implementiert.

import psutil 
import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib as mpl 
import matplotlib.animation as animation 
from collections import deque 

import scipy.ndimage.filters 
import scipy.interpolate 


fig = plt.figure() 
ax = plt.axes(xlim=(0, 200), ylim=(0, 100)) 
line, = ax.plot([],[], color="b", label="cpu") 
mean_line, = ax.plot([],[], linestyle="--", color="k",label="mean") 
filter_line, = ax.plot([],[], linewidth=2, color="r", label="gauss filter") 
interp_line, = ax.plot([],[], linewidth=1.5, color="purple", label="spline") 

plt.legend() 
y_list = deque([-1]*200) 
x_list = deque(np.arange(200,0,-1)) 


def init(): 
    line.set_data([],[]) 
    return line, 


def animate(i): 
    y_list.pop() 
    y_list.appendleft(psutil.cpu_percent(None,False)) 
    line.set_data(x_list,y_list) 
    x = np.array(x_list) 
    y = np.array(y_list) 
    filtered = scipy.ndimage.filters.gaussian_filter1d(y, sigma=4) 

    mean_line.set_data(x, np.ones_like(x)*y.mean()) 
    filter_line.set_data(x,filtered) 
    try: 
     tck = scipy.interpolate.splrep(x[::-1], y[::-1], s=50000) 
     interpolated = scipy.interpolate.splev(x[::-1], tck, der=0) 
     interp_line.set_data(x,interpolated[::-1]) 
    except: 
     pass 

    return line,filter_line,mean_line,interp_line, 

anim = animation.FuncAnimation(fig, animate, init_func=init, 
          frames=200, interval=100, blit=True) 

plt.show()