matplotlib, make smooth graph line

Question

У меня возникли проблемы с тем, чтобы линия, соединяющая точки на моем графике, была гладкой. Это кажется более сложным, потому что я запускаю анимированный график, все примеры, которые я видел онлайн, предназначены для статических графиков. Я попытался выполнить этот пример интерполяции, но я не могу заставить его работать. Любые матроплали-гуру? Вот код для графика.

import psutil 
import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib as mpl 
import matplotlib.animation as animation 
from collections import deque 


fig = plt.figure() 
ax = plt.axes(xlim=(0, 200), ylim=(0, 100)) 
line, = ax.plot([],[]) 

y_list = deque([-1]*200) 
x_list = deque(np.arange(200,0,-1)) 


def init(): 
    line.set_data([],[]) 
    return line, 


def animate(i): 
    y_list.pop() 
    y_list.appendleft(psutil.cpu_percent(None,False)) 
    line.set_data(x_list,y_list) 
    return line, 

anim = animation.FuncAnimation(fig, animate, init_func=init, 
          frames=200, interval=100, blit=True) 

plt.show() 

Answer 1

Существуют различные виды сглаживания. Мы можем подумать о строке, показывающей среднее значение, или функцию фильтрации, или сплайн. Я выполнил все три метода ниже.

import psutil 
import numpy as np 
import matplotlib.pyplot as plt 
import matplotlib as mpl 
import matplotlib.animation as animation 
from collections import deque 

import scipy.ndimage.filters 
import scipy.interpolate 


fig = plt.figure() 
ax = plt.axes(xlim=(0, 200), ylim=(0, 100)) 
line, = ax.plot([],[], color="b", label="cpu") 
mean_line, = ax.plot([],[], linestyle="--", color="k",label="mean") 
filter_line, = ax.plot([],[], linewidth=2, color="r", label="gauss filter") 
interp_line, = ax.plot([],[], linewidth=1.5, color="purple", label="spline") 

plt.legend() 
y_list = deque([-1]*200) 
x_list = deque(np.arange(200,0,-1)) 


def init(): 
    line.set_data([],[]) 
    return line, 


def animate(i): 
    y_list.pop() 
    y_list.appendleft(psutil.cpu_percent(None,False)) 
    line.set_data(x_list,y_list) 
    x = np.array(x_list) 
    y = np.array(y_list) 
    filtered = scipy.ndimage.filters.gaussian_filter1d(y, sigma=4) 

    mean_line.set_data(x, np.ones_like(x)*y.mean()) 
    filter_line.set_data(x,filtered) 
    try: 
     tck = scipy.interpolate.splrep(x[::-1], y[::-1], s=50000) 
     interpolated = scipy.interpolate.splev(x[::-1], tck, der=0) 
     interp_line.set_data(x,interpolated[::-1]) 
    except: 
     pass 

    return line,filter_line,mean_line,interp_line, 

anim = animation.FuncAnimation(fig, animate, init_func=init, 
          frames=200, interval=100, blit=True) 

plt.show()