0 前期教程

• 【PyQt】PyQt5进阶——串口上位机及实时数据显示

1 概述

  在上面的前期教程中，介绍了在PyQt5中如何绘制曲线，是使用PyQt5的一些第三方扩展包来实现的，但是提到python中的画图，matplotlib才是最受欢迎的工具，因此，在PyQt5界面中集成一个matplotlib绘制的图非常有用。

2 matplotlib

  在开始之前，我们先来系统地复习一下matplotlib这个库。学习一个库，首先要参考的肯定是官网——https://matplotlib.org/stable/

  如果使用这个库较多，强烈建议完整看一遍Quick start guide，这样会对这个库有一个整体的认识，也更利于理解他人的代码。以下内容也基本摘自该教程。

2.1 库导入

  首先是库导入，一般采用以下这种方式：

import matplotlib.pyplot as plt
import numpy as npimport matplotlib as mpl

注意：在一些比较老的代码中，可能会看到import matplotlib.pylab as plt这样的代码，这个pylab是已经被弃用的库。

2.2 图片的各个部分解释

  在绘制一些相对复杂的图时，首先要理解一张图片中各个部分分别对应什么，这样更便于使用对应的函数以及查找相关的资料。以下这张图也摘自官网，详细介绍了一张图的各个部分及其对应的类和函数，非常详细，值得反复阅读。

注意，这里的ax来自以下代码：

fig, ax = plt.subplots()  # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

2.3 代码风格

  在绘制图像方面，主要有两种常用的类型。分为显式接口(explicit interfaces) 和 隐式接口(implicit interfaces)，其中，所谓显式接口是使用面向对象的方式（object-oriented (OO) style）；而隐式接口则是使用pyplot这个模块隐式地创建和管理图像和坐标轴等对象，即只使用pyplot里面的函数即可。

• 显式接口

  x = np.linspace(0, 2, 100)  # Sample data.# Note that even in the OO-style, we use `.pyplot.figure` to create the Figure.
  fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')
  ax.plot(x, x, label='linear')  # Plot some data on the axes.
  ax.plot(x, x**2, label='quadratic')  # Plot more data on the axes...
  ax.plot(x, x**3, label='cubic')  # ... and some more.
  ax.set_xlabel('x label')  # Add an x-label to the axes.
  ax.set_ylabel('y label')  # Add a y-label to the axes.
  ax.set_title("Simple Plot")  # Add a title to the axes.
  ax.legend()  # Add a legend.
  plt.show()   # display
  

• 隐式接口

  x = np.linspace(0, 2, 100)  # Sample data.plt.figure(figsize=(5, 2.7), layout='constrained')
  plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.
  plt.plot(x, x**2, label='quadratic')  # etc.
  plt.plot(x, x**3, label='cubic')
  plt.xlabel('x label')
  plt.ylabel('y label')
  plt.title("Simple Plot")
  plt.legend()
  plt.show()   # display
  

图片绘制方面，还有更丰富的一些设置，如设置线的样式（styling），或者在图片上增加标注（labelling）等，具体建议参考官网的教程。

2.4 后端

  所谓后端（backends），和网页的前端后端我认为概念上类似，但又有点区别，简而言之，对画图而言，前端即是画什么样的图，而后端则是在哪画图，即显示在哪。

  根据官网的教程，matplotlib内部有多种后端可供选择，如Qt，GTK，wxWidgets，OSX，Tk等，分别对应的代码为：qtagg, GTK4Agg, GTK3Agg, wxAgg, macosx, TkAgg。此外，它还支持非内置的后端。
  指定后端的方式有三种：

• 在 matplotlibrc 文件中设置 rcParams["backend"]，如backend : qtagg
• 在shell中设置 MPLBACKEND 环境变量，如在Windows端执行这个代码 set MPLBACKEND=qtagg
• 在python脚本中增加代码：import matplotlib matplotlib.use('qtagg')

  很显然，在Windows上集成图像到Qt界面上最简单的办法就是第三种。

3 集成matplotlib图像到pyqt界面中

3.1 使用到的模块

  在大部分的教程中，一般都会有这样几行代码：

import matplotlib as mpl
mpl.use('Qt5Agg')
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.figure import Figure

其中，前两行是指定后端，第三行导入的FigureCanvasQTAgg实际上也是一个Qt的控件，也可以像一般的控件一样添加到Qt的窗口中，它相当于是一个画布，并不直接画图；而第四行导入的figure就是图像本身了，用于画图的各种操作。

3.2 理解Qt Designer中的“控件提升”

  控件提升操作在上面的前期教程中也有使用过，但是当时并没有对此理解很深入，只知道这样做而已。经过对比转换得到的py代码，发现所谓的控件提升，其实就是替换，即将放置的控件替换为其他的Qt控件，比如之前的QChartView和这里的FigureCanvasQTAgg，都是Qt控件，所以可以直接替换。原控件的作用主要设置布局和大小等外部特性。

  可以自行尝试一下，拖动一个widget到窗口，然后将其提升，内容可以随便写，再转换成python代码，观察填写的内容在实际代码中的体现。

从上面的实践可以看出，实际上被提升的控件是什么类型并不重要，只要可以提升就行。常用的有Qwidget，QFrame等。

3.3 界面与逻辑分离的思路

  之所以要介绍上述的控件提升，就是为在集成matplotlib图像到pyqt界面过程中也保持界面和逻辑分离的状态。
  为了实现这一目标，首先建立一个文件，命名为FigureCanvas.py（可以随便取），写入以下代码：

import matplotlib as mpl
mpl.use('Qt5Agg')
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.figure import Figureclass MyFigure(FigureCanvas):def __init__(self, parent=None):self.fig = Figure()super().__init__(self.fig)self.axes = self.fig.add_subplot(111)def plot(self, *args, **kwargs):self.axes.clear()                 # 清除之前的图像self.axes.plot(*args, **kwargs)   # 画图self.fig.canvas.draw()            # 刷新画布

可以看到，内容非常简单，就是在前面介绍的头文件基础上，新建了一个类而已，这个类除了初始化函数外也就只有一个刷新图像界面的函数。
  然后在Qt Designer中添加一个widget控件，再把它提升一下：由于导入关系是from FigureCanvas import MyFigure，所以类名称为MyFigure，头文件为FigureCanvas。

  最后，就是再新建一个py文件编写逻辑和界面显示等内容了，这里可以参考前期教程，此处不再赘述。

3.4 扩展

  在查找资料过程中，还找到一个方法有点不同的教程，它是使用graphicView控件来实现的，是基于该控件自带的一些函数来实现的。而且也做到了界面和逻辑分离，值得记录一下：链接。