def find_inflection_point(larr):
# 传入曲线数组
# 返回曲线拐点位置
lines = load_all_lines()
title, x, y = lines[0]
# arr = y
arr = larr
ypow = 4
y_disdance = 0.1**ypow
# c = np.power(10, 9)
# 0 -- len(arr-1) 的数据
carr = arr[:-1]
# 1 -- 98
cparr = arr[1:]
# 所有数据之间的距离
distance = abs(carr - cparr)
# cparr = arr[1:]
# 寻找拐点 第一个点之间距离小于 0.1的 ypow(ypow=10)的点就是拐点
#
for i in range(len(distance)):
dis = distance[i]
if dis < y_disdance:
log("i = ", i)
return i
pass
log('lencparr', y_disdance)
pass
def initUi(self):
self.layout = QVBoxLayout(self)
# 创建matplot画布
self.mpl = MyMplCanvas(self, width=9, height=6, dpi=100)
self.mpl2 = MyMplCanvas(self, width=9, height=6, dpi=100)
self.mpl3 = MyMplCanvas(self, width=9, height=6, dpi=100)
# mpl.draw_one_line()
# 加载数据
# 在不同的画布上画出来
# 将所有f分页加入到tabWidget上
lines = load_all_lines()
self.mpl.draw_one_line(lines[0])
self.mpl2.draw_one_line(lines[1])
self.mpl3.draw_one_line(lines[2])
self.stack.addTab(self.mpl, 'td=0.12')
self.stack.addTab(self.mpl2, 'td=0.144')
self.stack.addTab(self.mpl3, 'td=0.176')
# self.mpl.start_static_plot() # 如果你想要初始化的时候就呈现静态图，请把这行注释去掉
# self.mpl.start_dynamic_draw()
# self.mpl.start_dynamic_plot() # 如果你想要初始化的时候就呈现动态图，请把这行注释去掉
self.mpl_ntb = NavigationToolbar(self.mpl, self) # 添加完整的 toolbar
self.mpl2_ntb = NavigationToolbar(self.mpl2, self) # 添加完整的 toolbar
self.mpl3_ntb = NavigationToolbar(self.mpl3, self) # 添加完整的 toolbar
self.layout.addWidget(self.mpl_ntb)
self.layout.addWidget(self.stack)
def draw_all_line(self, all_lines):
# lines = all_lines
lines = load_all_lines()
for i in range(len(lines)):
line = lines[i]
pic = self.draw_one_line(line)
self.stack.addWidget(pic)
pass
def load_all_lines(self):
# self.stack
lines = load_all_lines()
width = 9
height = 6
dpi = 100
for i in range(len(lines)):
fig = Figure(figsize=(width, height), dpi=dpi)
# 添加数据到当前画布
pass
def draw_curve():
# 从load_all_lines加载所有区县信息信息
# 加载数据将数据绘制到matplotlib里面
lines = load_all_lines()
# log("draw_curve lines = ({})".format(lines))
for line in lines:
td, rd = line
# log('td({}) rd({}) i'.format(td, rd))
pass
def start_static_plot(self):
self.fig.suptitle('测试静态图')
# t = arange(0.0, 3.0, 0.01)
# s = sin(2 * pi * t)
# 记载所有曲线信息
lines = load_all_lines()
# log("lines = ({})".format(lines))
# i是曲线的颜色参数
i = 0
# title, rd, Td = lines[0]
for line in lines:
title, rd, Td = line
xarr = rd
yarr = Td
line_color = chose_color(i)
i += 1
self.axes.plot(xarr, yarr, color=line_color, linewidth=2.5, linestyle='-',
label='Td=({})'.format(title))
# # 获取当前yarr拐点位置
t = find_inflection_point(yarr)
# # log('y的拐点({})'.format(t))
# # 将拐点显示出来
xzb = xarr[t]
yzb = yarr[t]
self.axes.plot(xzb, yzb, 'o')
# 下面部分是是操作lenged标签位置
self.axes.legend(loc='best') # 添加个图例 设置图例自动调整
# 根据所有拐点的数据
# 设置src缩放图的x轴上下限 和title
xlim_min, xlim_max = get_zoomed_x_axes_limts()
zoom_xlim = (xlim_min, xlim_max)
# zoom_ylim = (ylim_min, ylim_max)
self.axes.set(xlim=zoom_xlim)
self.axes.set_ylabel('静态图：Y轴')
self.axes.set_xlabel('静态图：X轴')
self.axes.grid(True)
# 设置图例可拖动
leg = self.axes.legend()
if leg:
leg.draggable()
def update_figure_one(self, page=0):
from main import load_all_lines
from main import chose_color
from main import find_inflection_point
from main import get_zoomed_x_axes_limts
log = print
# 这是模仿点击事件 传入不同的page
lines = load_all_lines()
# i = 1
i = self.page
self.page = i
if i == len(lines) or i < 0:
log("i=({})".format(i))
i = 0
return None
# break
line = lines[i]
log("i=({})".format(i))
self.drow_one_line(line)
self.page += 1
def draw_line(ratio=(0.1, 0.1), legend_position=(0.8, 0.9)):
# 修正过的 正弦余弦图
# ratio 是x轴 y轴偏移系数
# legend_position为传入的lenged标签位置
# 根据传入数据 自动调整x轴 y轴 边距大小
# 加载数据
# X, C, S = load_date()
# 1. 获取曲线的数据 title, td, rd
# label图例 X Y = title, td, rd
# 2.给不同曲线赋不同的颜色
# 3.缩放
# 创建一个8 * 6点(point)的图，并设置分辨率为80
figure = plt.figure(figsize=(10,6), dpi=100)
# 创建一个新的 1 * 1的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
# figure.add_subplot(1, 1, 1)
src = plt.subplot(211) # 第一行的图
zoom = plt.subplot(212) # 第二行的图
figure.add_axes(src, zoom)
lines = load_all_lines()
# log("draw_curve lines = ({})".format(lines))
i = 0
for line in lines:
title, td, rd = line
X = td
Y = rd
# log('rd = {}'.format(rd))
# 自动获取不同线条颜色
line_color = chose_color(i)
# log('选中的颜色 = ', line_color)
i += 1
# 1.缩放曲线
# 2.根据算法缩放曲线
# 绘制曲线，使用不同颜色、连续的、宽度为 1 （像素）的线条
# plt.plot(td, rd, color='brown', linewidth=1.0, linestyle="-")
# 以下 1, 2, 3 是自动调整图像的函数
# 其实1, 2, 3 应该抽出一个设置边界的函数 暂时没看到matplotlib怎么操作画布对象 先写到这里
# 数据用numpy加载之后
# 1 这里获得 x 最大值最小值 y最大值最小值
xmin, xmax = X.min(), X.max()
ymin, ymax = Y.min(), Y.max()
# 2 设置x,y 边界偏移程度
# 亦可以将获得ratio 数据设置成一个函数get_border_ratio()
rx, ry = ratio
dx = (xmax - xmin) * rx
dy = (ymax - ymin) * ry
#
# # 3 根据偏移程度 设置x轴 y轴的左右值
# src.axes.set_xlim(xmin - dx, xmax + dx)
# src.axes.set_ylim(ymin - dy, ymax + dy)
# 加载曲线
src.plot(X, Y, color=line_color, linewidth=2.5, linestyle='-', label='Td=({})'.format(title)) # 增加了label以便增加图例
zoom.plot(X, Y, color=line_color, linewidth=2.5, linestyle='-', label='Td=({})'.format(title)) # 增加了label以便增加图例
# plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label='sin') # 增加了label以便增加图例
# zoom.axes.set_xlim(0,100)
# 下面部分是是操作lenged标签位置
src.legend(loc='best') # 添加个图例 设置图例自动调整
zoom.legend(loc='best')
figure.canvas.mpl_connect('button_press_event', onpress)
# break
# loc的值操纵图例的位置 取值在0 - 1之间 也可以取值为 'best'-->自动获取最好的结果 'upper left' -->左上 'upper right' -->右上等
# draw_raw_sin_cos()
# 在屏幕上显示
plt.show()
def zoom_pic():
log("start zoom")
# 绘制散点图
# 缩放图像
# figure = plt.figure()
# 创建主图层
figure = plt.figure(figsize=(9, 6), dpi=100)
figure.suptitle('点击左子图 右边显示缩放', fontsize=14, fontweight='bold')
# 加载曲线数据
# x, c, s = load_date()
# 创建两个子图
# 左子图
src = plt.subplot(121) # 第一行的图 211 --> 类似(n,m,o) (n) 代表 主图分n两行 每行分成m列代表每行分成
# 右子图
zoom = plt.subplot(122) # 第二行的图
# 设置横轴的上下限
# src.axes.set_xlim(-4.0, 4.0)
# # 设置横轴坐标点
# src.axes.set_ybound(-1, 1)
# 子图加载曲线数据
# src.scatter(x, y, s, c)
# zoom.scatter(x, y, s, c)
lines = load_all_lines()
# log("draw_curve lines = ({})".format(lines))
# 缩放数据
# 1.斜率
# 2.均值
# 根据曲线数据 根据数据设置图像的 x,y轴
# src.set(xlim=(0, 1), ylim=(0, 1), autoscale_on=False,
# title='Click to zoom')
# zoom.set(xlim=(0.1, 0.55), ylim=(0.3, 0.6), autoscale_on=False,
# title='Zoom window')
i = 0
# 极值点所有x y数据
ext_xzbs = []
ext_yzbs = []
# 曲线所有的x y数据
xarrs = []
yarrs = []
for line in lines:
title, td, rd = line
xarr = td
yarr = rd
# log('rd = {}'.format(rd))
# 获取当前曲线的xarr, yarr最大最小值
xarr_max, xarr_min = xarr.max(), xarr.min()
yarr_max, yarr_min = yarr.max(), yarr.min()
# 自动获取不同线条颜色
line_color = chose_color(i)
# 1.缩放曲线
# 2.根据算法缩放曲线
# 选择颜色, 绘制曲线
# 分别将曲线数据 加载到src, zoom 图上
src.plot(xarr, yarr, color=line_color, linewidth=2.5, linestyle='-', label='Td=({})'.format(title)) # 增加了label以便增加图例
zoom.plot(xarr, yarr, color=line_color, linewidth=2.5, linestyle='-', label='Td=({})'.format(title)) # 增加了label以便增加图例
# plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label='sin') # 增加了label以便增加图例
i += 1
# 获取当前曲线的xarr, yarr最大最小值
xarr_max, xarr_min = xarr.max(), xarr.min()
yarr_max, yarr_min = yarr.max(), yarr.min()
# 缩放函数
# 1.寻找极值点
# 寻找极值点的位置
# 2.获取极值点附近的点数据
# 将极值点设置为图像中心点
# 极值点左右分别取n(n=10)个点的数据
# 获得点x, y的均值
# 根据均值设置图像的x轴 y轴 的上下限
# 获取当前yarr极值点
t = find_inflection_point(yarr)
# log('y的极值({})'.format(t))
# 将该极值点在曲线上画出来
# 极值点的y坐标决定 y轴上限
# 极值点的x坐标决定 x轴上限
xzb = xarr[t]
yzb = yarr[t]
zoom.plot(xzb, yzb, 'o')
# log(' 坐标点x=({}) y=({})'.format(xzb, yzb))
# 缩放多根曲线
# 需要将曲线的 需要zoom_xlim zoom_ylim
# 缩放单根曲线
# 获取曲线极值点的当前坐标
# 设置缩放的x轴
# 根据当前曲线的xarr, yarr最大最小值 以及极值点缩放曲线
# 设置缩放曲线的x, y轴的范围
# zoom_xlim = get_zoomed_xy_axes_limts(xarr_min, xzb * 5)
# zoom_ylim = get_zoomed_xy_axes_limts(yarr_min, yzb * 200)
# 下面部分是是操作lenged标签位置
# src.legend(loc='best') # 添加个图例 设置图例自动调整
zoom.legend(loc='best')
src.set(title='原始图像')
zoom.set(title='缩放图像')
figure.canvas.mpl_connect('button_press_event', onpress)
# break
xlim_min, xlim_max, ylim_min, ylim_max = get_zoomed_xy_axes_limts()
zoom_xlim = (xlim_min, xlim_max)
zoom_ylim = (ylim_min, ylim_max)
src.set(xlim=zoom_xlim, ylim=zoom_ylim, autoscale_on=False, title='原始缩放图像')
zoom.set(xlim=zoom_xlim, ylim=zoom_ylim, autoscale_on=False, title='再次缩放图像')
plt.show()
log("end zoom")
pass
def get_zoomed_xy_axes_limts():
# 接收所有曲线的信息
# 返回合适的x, y轴的上下限
# 曲线的x y的
lines = load_all_lines()
# 极值点所有x y数据
ext_xzbs = []
ext_yzbs = []
# 曲线所有的x y数据
xarrs = []
yarrs = []
# yarr[0]所对应的 y值是y的最小值
# 所有曲线第一个值 都是最大值
# 多根曲线将取最小的y作为缩放图的y上限
first = []
# 找出曲线范围的最大最小值
for line in lines:
title, td, rd = line
xarr = td
yarr = rd
# log('rd = {}'.format(rd))
f = yarr[0]
first.append(f)
xarrs.append(xarr)
yarrs.append(yarr)
# 获取当前yarr拐点
t = find_inflection_point(yarr)
# log('y的极值({})'.format(t))
# 搜索y 点 左右某个 值小于某个数
# yar =
# 将该极值点在曲线上画出来
# 极值点的y坐标决定 y轴上限
# 极值点的x坐标决定 x轴上限
xzb = xarr[t]
yzb = yarr[t]
ext_xzbs.append(xzb)
ext_yzbs.append(yzb)
# log('')
np.array([])
# 极值点所有x y数据
ext_xzbs = np.array(ext_xzbs)
ext_yzbs = np.array(ext_yzbs)
# 曲线所有的x y数据
xarrs = np.array(xarrs)
yarrs = np.array(yarrs)
first = np.array(first)
y_max = first.min()
# 获取当前所有曲线的xarr, yarr最大最小值
xarr_max, xarr_min = xarrs.max(), xarrs.min()
yarr_max, yarr_min = yarrs.max(), yarrs.min()
ext_x_min, ext_x_max = ext_xzbs.min(), ext_xzbs.max()
ext_y_min, ext_y_max = ext_yzbs.min(), ext_yzbs.max()
xlim_min = xarr_min - 0.1 * xarr_min
xlim_max = ext_x_max
y_multiples = 100
ylim_min = yarr_min - abs(yarr_min * 20)
# ylim_max = ext_y_min * y_multiples
ylim_max = yarr_min
return xlim_min, xlim_max, ylim_min, y_max
# 和本地的最大最小做比较
#
# 缩放函数
# 1.寻找极值点
# 寻找极值点的位置
# 2.获取极值点附近的点数据
# 将极值点设置为图像中心点
# 极值点左右分别取n(n=10)个点的数据
# 获得点x, y的均值
# 根据均值设置图像的x轴 y轴 的上下限
# src.plot(xzb, yzb, 'o')
pass
def zoom_pic():
log("start zoom")
# 绘制散点图
# 缩放图像
# figure = plt.figure()
# 创建主图层
figure = plt.figure(figsize=(9, 6), dpi=100)
figure.suptitle('点击左子图 右边显示放大10倍的细节', fontsize=14, fontweight='bold')
# 加载曲线数据
# x, c, s = load_date()
# 创建两个子图
# 左子图
src = plt.subplot(
121) # 第一行的图 211 --> 类似(n,m,o) (n) 代表 主图分n两行 每行分成m列代表每行分成
# 右子图
zoom = plt.subplot(122) # 第二行的图
# 设置横轴的上下限
# src.axes.set_xlim(-4.0, 4.0)
# # 设置横轴坐标点
# src.axes.set_ybound(-1, 1)
# 子图加载曲线数据
# src.scatter(x, y, s, c)
# zoom.scatter(x, y, s, c)
lines = load_all_lines()
# log("draw_curve lines = ({})".format(lines))
# 缩放数据
# 1.斜率
# 2.均值
# 根据曲线数据 根据数据设置图像的 x,y轴
# src.set(xlim=(0, 1), ylim=(0, 1), autoscale_on=False,
# title='Click to zoom')
# zoom.set(xlim=(0.1, 0.55), ylim=(0.3, 0.6), autoscale_on=False,
# title='Zoom window')
i = 0
# 极值点所有x y数据
ext_xzbs = []
ext_yzbs = []
# 曲线所有的x y数据
xarrs = []
yarrs = []
for line in lines:
title, td, rd = line
xarr = td
yarr = rd
# log('rd = {}'.format(rd))
# 自动获取不同线条颜色
line_color = chose_color(i)
# 选择颜色, 绘制曲线
# 分别将曲线数据 加载到src, zoom 图上
# 抛弃多个曲线拐点之后的点
# cut_extra_inflection_point()
# xarr, yarr = cut_extra_inflection_point(xarr, yarr)
src.plot(xarr,
yarr,
color=line_color,
linewidth=2.5,
linestyle='-',
label='Td=({})'.format(title)) # 增加了label以便增加图例
zoom.plot(xarr,
yarr,
color=line_color,
linewidth=2.5,
linestyle='-',
label='Td=({})'.format(title)) # 增加了label以便增加图例
# plt.plot(X, S, color="red", linewidth=2.5, linestyle="-", label='sin') # 增加了label以便增加图例
i += 1
# 获取当前yarr拐点位置
t = find_inflection_point(yarr)
# log('y的拐点({})'.format(t))
xzb = xarr[t]
yzb = yarr[t]
zoom.plot(xzb, yzb, 'o')
# 缩放多根曲线
# 需要将曲线的 需要zoom_xlim zoom_ylim
# 缩放单根曲线
# 获取曲线极值点的当前坐标
# 设置缩放的x轴
# 根据当前曲线的xarr, yarr最大最小值 以及极值点缩放曲线
# 下面部分是是操作lenged标签位置
src.legend(loc='best') # 添加个图例 设置图例自动调整
zoom.legend(loc='best')
figure.canvas.mpl_connect('button_press_event', onpress)
# break
# 根据所有拐点的数据
# 设置缩放图的上下限
xlim_min, xlim_max, ylim_min, ylim_max = get_zoomed_xy_axes_limts()
zoom_xlim = (xlim_min, xlim_max)
zoom_ylim = (ylim_min, ylim_max)
src.set(xlim=zoom_xlim, ylim=zoom_ylim, autoscale_on=False, title='原始缩放图像')
zoom.set(xlim=zoom_xlim,
ylim=zoom_ylim,
autoscale_on=False,
title='再次缩放图像')
plt.show()
log("end zoom")
pass
def get_zoomed_xy_axes_limts():
# 接收所有曲线的信息
# 根据缩放函数
# 返回合适的x, y轴的上下限
# 缩放函数
# 1.寻找拐点
# 寻找拐点的位置
# 2.获取极值点附近的点数据
# 获取所以拐点的数据
# 拐点的y坐标决定 y轴上限
# 拐点的x坐标决定 x轴上限
# 获得点x, y的均值
# 根据均值设置图像的x轴 y轴 的上下限
lines = load_all_lines()
# 极值点所有x y数据
ext_xzbs = []
ext_yzbs = []
# 曲线所有的x y数据
xarrs = []
yarrs = []
# 所有曲线第一个值 都是最大值
# 多根曲线将取最小的y作为缩放图的y上限
first = []
# 找出曲线范围的最大最小值
for line in lines:
title, td, rd = line
xarr = td
yarr = rd
# log('rd = {}'.format(rd))
# f所对应的 当前曲线y的最大值
# first获取所有y的最小的值
# 设置为图像的y轴上限
f = yarr[0]
first.append(f)
# 获取当前拐点位置
t = find_inflection_point(yarr)
# 去掉拐点之后的点
# xarr = xarr[:t]
# yarr = yarr[:t]
xarrs.append(xarr)
yarrs.append(yarr)
# 搜索y 点 左右某个 值小于某个数
# 极值点的y坐标决定 y轴上限
# 极值点的x坐标决定 x轴上限
xzb = xarr[t]
yzb = yarr[t]
ext_xzbs.append(xzb)
ext_yzbs.append(yzb)
# log('')
np.array([])
# 所有拐点的x y数据
ext_xzbs = np.array(ext_xzbs)
ext_yzbs = np.array(ext_yzbs)
# 曲线所有的数据
xarrs = np.array(xarrs)
yarrs = np.array(yarrs)
first = np.array(first)
y_max = first.min()
# 获取当前所有曲线的xarr, yarr最大最小值
xarr_max, xarr_min = xarrs.max(), xarrs.min()
yarr_max, yarr_min = yarrs.max(), yarrs.min()
ext_x_min, ext_x_max = ext_xzbs.min(), ext_xzbs.max()
ext_y_min, ext_y_max = ext_yzbs.min(), ext_yzbs.max()
# 调整曲线的边界
dis = 0.03
ydis = 0.0001
xlim_min = xarr_min - dis * ext_x_max
xlim_max = ext_x_max
ylim_min = yarr_min - abs(ext_x_max * ydis)
# ylim_max = ext_y_min * y_multiples
ylim_max = yarr_min
return xlim_min, xlim_max, ylim_min, y_max
pass
def load_all_lines(self):
# self.stack
# 加载所有的曲线数据
lines = load_all_lines()
return lines
