我需要使用 pyqtgraph 绘制连续输入，因此我使用循环缓冲区来保存数据。我使用 deque 和 maxlen 来完成这项工作。 （Python 2.7、numpy 1.9.2、pyqtgraph 0.9.10）
from collections import deque
def create_cbuffer(self):
buffer_len = self.BUFFER_LEN*self.number_of_points
data = [0]*buffer_len # buffer_len = 160k
self.cbuffer[0] = deque(data, maxlen=buffer_len)
buffer_len = self.BUFFER_LEN
data = [0]*buffer_len
self.cbuffer[1] = deque(data, maxlen=buffer_len)
之后我像这样使用它：
import time
def update_cbuffer(self):
data_points, data = data_feeds() # data get every 16ms as lists
start_t = time.time()
self.cbuffer[0].extend(data_points) # Thanks to @PadraicCunningham
# for k in xrange(0, self.number_of_points):
# self.cbuffer[0].append(data_points[k])
self.cbuffer[1].append(data)
fin_t = time.time() - start_t
设置图为：
self.curve[0] = self.plots[0].plot(self.X_AXIS,
[0]*self.BUFFER_LEN*self.number_of_points,
pen=pg.intColor(color_idx_0),name='plot1')
self.curve[1] = self.plots[1].plot(self.X_AXIS_2, [0]*self.BUFFER_LEN,
pen=pg.intColor(color_idx_1),name='plot2')
将绘图更新为：
def update_plots(self):
self.curve[0].setData(self.X_AXIS, self.cbuffer[0])
self.curve[0].setPos(self.ptr, 0)
self.curve[1].setData(self.X_AXIS_2, self.cbuffer[1])
self.curve[1].setPos(self.ptr, 0)
self.ptr += 0.016
然后我使用 QTimer 调用它：
self.timer = QtCore.QTimer()
self.timer.timeout.connect(self.update_cbuffer)
self.timer.timeout.connect(self.update_plots)
self.timer.start(16)
问题是：
1.当我绘制它时，它似乎比16ms慢得多。有什么想法可以加快速度吗？
2.当我使用 time.time() 对 update_plots() 进行计时并计算其平均运行时间（total_time/number_of_runs）时，它逐渐增加，我试图理解其背后的原因。
有什么建议么？我是Python新手，代码中可能会犯一些错误，请毫不犹豫地指出。提前谢谢你的帮助。
p.s我已经按照建议尝试了不同的循环缓冲区高效的循环缓冲区？
class Circular_Buffer():
def __init__(self, buffer_len, data_type='float'):
if data_type == 'int':
self.__buffer = np.zeros(buffer_len, dtype=int)
else:
self.__buffer = np.zeros(buffer_len)
self.__counter = 0
def append(self, data):
self.__buffer = np.roll(self.__buffer, -1)
self.__buffer[-1] = data
def get(self):
return self.__buffer
但事实证明速度要慢得多my case.
我也尝试过这个：
class CB_list():
def __init__(self, buffer_len):
self.__buffer = [0]*buffer_len
def append(self, data):
self.__buffer = self.__buffer[1:]
self.__buffer.append(data)
def get(self):
return self.__buffer
它的性能与双端队列相似，所以我坚持使用双端队列。
编辑： 抱歉，我昨天犯了一个错误。我已经在代码上更正了它。
data = [0]*buffer_len # buffer_len = 16k <--- Should be 160k instead
我不确定这是否是完整的答案，但信息太长，无法转化为评论，我认为这对于您理解问题至关重要。
我认为你不太可能让计时器每 16 毫秒触发一次。首先，如果你的方法self.update_cbuffer and self.update_plots运行时间超过 16 ms，则QTimer将在应该时跳过触发，并在下一个 16 毫秒的倍数处触发（例如，如果方法需要 31 毫秒运行，则计时器应在 32 毫秒后触发。如果方法随后需要 33 毫秒运行，则计时器将在下次触发比上一个晚了 48 毫秒）
Furthermore, the accuracy of the timer is platform dependent. On windows, timers are only accurate to around 15 ms. As proof of this, I wrote a script to test on my windows 8.1 machine (code included at the end of the post). This graph shows the deviation from the expected timeout in ms.
在本例中，我的示例提前了大约 12 毫秒触发。请注意，这并不完全正确，因为我认为我的代码没有考虑将错误附加到错误列表所需的时间长度。然而，这个时间应该比你在我的图中看到的偏移要少得多，也不能解释值的巨大差异。简而言之，Windows 上的计时器的精确度与超时大小有关。不是一个好的组合。
希望这至少可以解释为什么代码没有达到您的预期。但是，如果没有简约的工作示例，或者您自己对代码进行全面的分析，就很难知道速度的瓶颈在哪里。
顺便说一句，当下面的代码中的超时非常小时，pyqtgraph 似乎在一段时间后停止更新我的直方图。不知道为什么会这样。
生成上图的代码
from PyQt4 import QtGui, QtCore
import sys
import time
import pyqtgraph as pg
import numpy as np
start_time = time.time()
timeout = 0.16 # this is in SECONDS. Change to vary how often the QTimer fires
time_list = []
def method():
global start_time
time_list.append((timeout-(time.time()-start_time))*1000)
start_time = time.time()
def update_plot():
y,x = np.histogram(time_list, bins=np.linspace(-15, 15, 40))
plt1.plot(x, y, stepMode=True, fillLevel=0, brush=(0,0,255,150))
app = QtGui.QApplication(sys.argv)
win = pg.GraphicsWindow()
win.resize(800,350)
win.setWindowTitle('Histogram')
plt1 = win.addPlot()
y,x = np.histogram(time_list, bins=np.linspace(-15, 15, 40))
plt1.plot(x, y, stepMode=True, fillLevel=0, brush=(0,0,255,150))
win.show()
timer = QtCore.QTimer()
timer.timeout.connect(method)
timer.timeout.connect(update_plot)
timer.start(timeout*1000)
sys.exit(app.exec_())