在tkinter中实时显示动态曲线

YouZYC 2018-09-12 05:44:44

我是从串口中接收数据然后想在thinter中显示动态曲线，这是在画布上显示曲线的程序
def drawPic():
#清空图像，以使得前后两次绘制的图像不会重叠
drawPic.f.clf()
drawPic.a=drawPic.f.add_subplot(111)
#绘制图像所需要的x,y
x = list(range(len(hxplot)))
y = hxplot
#将这些点绘制成曲线
drawPic.a.plot(x,y)
drawPic.a.set_title("Respiratory waveform")
drawPic.canvas.show()

if __name__ == '__main__':
matplotlib.use('TkAgg')
#在Tk的GUI上放置一个画布，并用.grid()来调整布局
drawPic.f = Figure(figsize=(7,2), dpi=100)
drawPic.canvas = FigureCanvasTkAgg(drawPic.f, master=Leida)
drawPic.canvas.show()
drawPic.canvas.get_tk_widget().grid(row=0, columnspan=3)
Button(Leida,text='画图',command=drawPic,state=ACTIVE).grid(row=1,column=2,columnspan=3)
drawPic.canvas.show()

目前能实现的功能是，点击一下button，能刷新一下画布上的曲线，但是我想实现的是只点击一下button，曲线就不断的更新

...全文

2303 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

Eeeeearl 2021-04-08

打赏
举报

回复 1

怎么加循环？加上循环，都会先做完循环，才将对最后一次的结果显示出来

I am Paul Plus Plus 2019-05-18

打赏
举报

回复

加个循环啊。

Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。tkinter模块(“Tk 接口”)是Python的标准Tk GUI工具包的接口。接下来通过本文给大家介绍Python中的tkinter模块作图教程，需要的朋友参考下

一个基于Tkinter的网速测试器，它可以测试指定网站的下载速度并将结果以实时更新的方式显示在界面上，同时还可以导出测试结果。用户可以选择想要测试的线路，支持清华、Github、微软中国和CSDN四个网站。测试的速度单位为MB/s，如果网速>10MB/s，显示“网速很快！”；如果1<网速<=10MB/s，显示“网速正常。”；如果网速<=1MB/s，显示“网速缓慢，请检查网络。”，网速越慢红色字体显示的越明显。另外，用户还可以控制测试的刷新速度代码里的动态效果体现在两个方面：第一，测试结果以实时更新的方式显示在界面上，用户可以看到当前的网速，并且根据网速的变化，实时更新字体颜色和背景色，颜色越接近红色表示网速越慢。这个功能是通过使用Tkinter提供的Label来实现的。第二，测试结果以实时更新的方式显示在图表上，用户可以看到当前的网速并随着时间的推移，网速的变化趋势。这个功能是通过使用Matplotlib提供的FigureCanvasTkAgg来实现的，它可以将图表挂载到Tkinter提供的窗口上，并以实时更新的方式将网速变化的曲线绘制在图表上。版权所有，禁止转载

l-曲线矩阵代码儿童成长良好的成长应用程式它是什么 App.py是一个python脚本，可根据进行（图形）儿童发育的评估。它可以可视化儿童成长模式中的不一致之处，并显示Nsukka医疗中心的儿童如何根据体重成长。主要特点该脚本使用孩子的以下内容作为输入数据：性别年龄重量长度名称父母的名字生成一系列图，显示：与世界卫生组织均值图和本地均值图比较的儿童成长曲线和增长率输入的任何孩子的成长曲线不一致孩子所在的人口数量。允许收集儿童数据并在文件中注册儿童的个人信息（数据和曲线），以供日后评估。通过为单个数据生成* csv文件*为单个曲线生成* png文件图中显示了输出图的示例。从哪里获得源代码托管在GitHub上：。依存关系 -用于数组对象 -对于地块 [tkinter]-用于界面文献资料 App.py所需的输入是文件BoyDataSet.csv ，'GirlDataSet.csv'，'g_age_N_lenght.csv'，'b_age_N_lenght.csv'，'g_age_N_weight.csv'，'b_age_N_weight.csv'

01_拆分数据集.py 这个脚本用于将一个大的数据集拆分成训练集、验证集和测试集，并按类别组织存储。具体流程包括：获取源目录下的所有类别（子目录）。对每个类别，随机打乱其图片文件名列表。划分训练集、验证集和测试集。复制划分后的文件到相应的目录。 03_算法搭建.py 这个脚本搭建了一个卷积神经网络（CNN）模型，进行训练、验证和测试，并保存最佳和最终的模型。主要流程包括：定义CNN模型结构。编译模型，设置优化器、损失函数和评估指标。使用ImageDataGenerator进行数据增强。划分训练、验证和测试数据集。定义ModelCheckpoint回调以保存在验证集上表现最佳的模型。训练模型，并使用ModelCheckpoint回调保存最佳模型。加载最佳模型进行评估。绘制损失和准确性曲线。保存最终模型。 04_预测.py 这个脚本是一个简单的图像分类器应用，用于加载训练好的CNN模型，刷新界面以显示随机选择的测试集图像，并对这些图像进行分类预测。主要功能包括：使用Tkinter创建图像分类器应用界面。加载已经训练好的CNN模型。刷新界面，显示真实图像

from tkinter import *from tkinter import ttkimport time#画窗口root = Tk()root.geometry('1000x500')root.resizable(False, False)graph = Canvas(root, width=1000, height=550, background='black')#后面查点和删点的时候需要...

37,719

社区成员

34,238

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章