Python PyQt 上位机实时绘图功能实现
在嵌入式、自动化和物联网项目中，设备不仅需要'能跑'，更要'可见'。一个能实时刷新波形、低延迟响应操作、稳定运行数小时不卡顿的图形化监控界面，往往是决定项目是否专业的分水岭。
本文介绍一套基于 Python + PyQt 的实时绘图系统方案，具备工业思维、线程安全及高效渲染能力。
避免主线程阻塞：PyQt 的 GUI 线程机制
很多人写 PyQt 上位机时，习惯在主循环中直接读取串口数据并更新图表。这会导致界面卡死，按钮无法点击，窗口无法拖动。
问题核心在于：
- 所有涉及界面的操作，必须且只能在主线程执行。
- 所有耗时任务（如等待数据），绝不能放在主线程里。
PyQt 基于 Qt 框架，采用事件驱动模型。其内部维护一个永不结束的 while 循环（Event Loop），由 app.exec_() 启动。如果在槽函数中使用 time.sleep(5) 或阻塞式串口读取，GUI 会在该时间段内'失联'。
解决方案是将数据采集扔到工作线程，只让主线程负责渲染。但注意：不能简单地用 threading.Thread 新起线程后直接调用 self.plot_widget.plot(...)，这会引发线程安全问题。
正确做法是使用 信号与槽机制（Signals & Slots） 进行跨线程通信。这是 Qt 提供的官方通道，会自动将信号打包成事件投递到目标线程的事件队列中，确保安全执行。
绘图库选型：Matplotlib 与 PyQtGraph 对比
若需每秒更新几十次以上的动态图表，不建议使用 Matplotlib。
虽然 Matplotlib 是科学计算标配，但在实时性方面存在明显短板：
- 每次更新需重绘整个 canvas；
- 渲染基于 CPU 光栅化，无 GPU 加速；
- 图形元素创建/销毁成本高；
- 缩放平移体验生硬，常有延迟。
PyQtGraph 专为高速场景设计，基于 Qt Graphics View 框架，部分功能利用 OpenGL 加速，处理高速数据流表现优异。
| 指标 | Matplotlib | PyQtGraph |
|---|---|---|
| CPU 占用率 | ~40% | <8% |
| 界面流畅度 | 一般 | 高 |
注：测试条件为更新频率 50Hz，绘制 1000 个点。
总结
构建高性能上位机需遵循以下原则：
- 严格分离 UI 线程与工作线程。
- 使用信号与槽传递数据。
- 高频刷新场景优先选择 PyQtGraph 而非 Matplotlib。