def initUi(self):
self.layout = QVBoxLayout(self)
# 创建matplot画布
self.mpl = PlotCanvas(self, width=9, height=6, dpi=100)
self.mpl2 = PlotCanvas(self, width=9, height=6, dpi=100)
self.mpl3 = PlotCanvas(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.layout.addWidget(self.stack)
def draw_all_stack_tab(self):
# 绘制所有图像
# 添加到stack_tabWidget上
# 创建matplot画布
self.tab1 = PlotCanvas(self, width=9, height=6, dpi=100)
self.tab2 = PlotCanvas(self, width=9, height=6, dpi=100)
self.tab3 = PlotCanvas(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.tab1.draw_one_line(lines[0])
self.tab2.draw_one_line(lines[1])
self.tab3.draw_one_line(lines[2])
# 将所有的tab添加到stack_tabWidget上
self.stack_tabWidget.addTab(self.tab1, 'td=0.12')
self.stack_tabWidget.addTab(self.tab2, 'td=0.144')
self.stack_tabWidget.addTab(self.tab3, 'td=0.176')
pass
def zoom_pic():
# 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(
111) # 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
# 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
for line in lines:
title, rd, Td = line
xarr = rd
yarr = Td
# log('rd = {}'.format(rd))
# 自动获取不同线条颜色
line_color = chose_color(i)
i += 1
# 选择颜色, 绘制曲线
# 分别将曲线数据 加载到src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
# 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]
src.plot(xzb, yzb, 'o')
# 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
# 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)
src.set(xlim=zoom_xlim, autoscale_on=False, title='缩放图像')
# 设置图例可拖动
leg = plt.legend()
if leg:
leg.draggable()
# 显示图像
plt.show()
pass
from PyQt5 import QtCore
from PyQt5 import QtWidgets
from PyQt5.QtWidgets import (QApplication, QMainWindow, QVBoxLayout,
QSizePolicy, QAction, QLabel, QWidget,
QStackedWidget, QPushButton, QTabWidget, QAction,
QMessageBox, QFileDialog, QHBoxLayout)
from matplotlib.backends.backend_qt5agg import NavigationToolbar2QT as NavigationToolbar
import matplotlib.pyplot as plt
from MatploWidget import PlotCanvas # qt绘制matplotlib图像的类
from mainFrom import Ui_MainWindow # 弹出为屏幕中心主窗口
from loadlines import load_all_lines # 加载数据
# 添加曲线到画布上
from PyQt5.QtWidgets import QDesktopWidget, QApplication, QMainWindow, QPushButton
from utils import log
# from MatploWidget import PlotCanvas
fig = plt.figure()
ax = fig.add_subplot(111)
lines = load_all_lines()
tab1 = PlotCanvas(width=9, height=6, dpi=100)
tab1.draw_one_line(lines[0])
# fig.add_subplot(tab1)
tab1.draw()
# plt.show()
def get_zoomed_x_axes_limts():
# 接收所有曲线的信息
# 根据缩放函数
# 返回合适的x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()
# 所有曲线拐点所有x y数据
ext_xzbs = []
ext_yzbs = []
# 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
# 获取任意一根曲线的第一个点上的x作为最小值x
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
f = xarr[0]
first.append(f)
# 获取当前拐点位置
t = find_inflection_point(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)
# 获取任意一根曲线的第一个点上的最小的x
# 作为最小值x
first = np.array(first)
xarr_min = first.min()
# 所有拐点的x y数据
ext_xzbs = np.array(ext_xzbs)
ext_yzbs = np.array(ext_yzbs)
# 所有曲线拐点x的最大值
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
# ylim_min 根据xlim_max的最大的千分之一调整
dis = 0.03
ydis = 0.001
xlim_min = xarr_min - dis * ext_x_max
xlim_max = ext_x_max
# ylim_min = yarr_min - abs(xlim_max * ydis)
# ylim_max = ext_y_min * y_multiples
# ylim_max = first.max()
return xlim_min, xlim_max
pass