stream - 如何在带有全息视图的数据着色器中启用自动重采样以及通过管道进入 DynamicMap 的(实时)数据流?
问题描述
虽然我有一个通过管道的数据流以及一个包含曲线的 holoviews.DynamicMap,在其上应用了 holoviews.operation.datashader.datashade():当使用缩放工具时,视图不会重新采样(对于静态数据)领先对我的数据进行非常像素化的可视化。我需要做什么才能启用此重采样?
我用 python3 在 jupyter notebook 中运行整个过程
当我只使用静态数据设置我的 holoviews.DynamicMap 并且我没有运行管道时,它可以正常工作。
当我开始填充管道(从未使用它)时,不再进行重新采样。(我根本不使用管道)
问题场景:
(jupyter notebook 中的 3 个单元格)
(1) 进口
import time
import numpy as np
import holoviews as hv
from holoviews.operation.datashader import datashade
from holoviews import opts
from holoviews.streams import Pipe
hv.extension('bokeh')
(2) 设置管道和绘图
#no of samples
N=100000
pipe2 = Pipe(data=[])
data_dmap = hv.DynamicMap(hv.Curve, streams=[pipe2])
data_dmap_opt = datashade(data_dmap, streams=[hv.streams.RangeXY])
data_dmap_opt.opts(width=900,xlim=(0, N),ylim=(0, 1))
(3) 生成数据流
def makeBigData(N):
x = np.arange(N)
y = np.random.rand(N)
while True:
time.sleep(1)
y = np.random.rand(N)
pipe2.send((x,y))
调试场景:
替代单元格 (2)
(备选方案 2)使用静态绘图设置管道和绘图
#default Data
N=100000
x = np.arange(N)
y = np.random.rand(N)
pipe2 = Pipe(data=[])
data_dmap = hv.DynamicMap(hv.Curve((x,y)))
data_dmap_opt = datashade(data_dmap, streams=[hv.streams.RangeXY])
data_dmap_opt.opts(width=900,xlim=(0, 100000),ylim=(0, 1))
(只要不执行单元格(3)就可以工作,那么这个替代方案就会停止工作)
预期结果:
不断更新带有噪声的图(稍后使用真实数据)
因此实际图形被采样成图像,在放大采样时应调整到实际视图
实际结果:
放大不会触发对图像的采样调整。
解决方案
您遇到的问题是,如果您从while
循环中触发更新,内核将永远忙碌,这意味着它永远不会被释放以响应来自 JS 的事件,这些事件告诉它重新采样。您需要以某种形式异步调度管道上的事件。在笔记本中,您可以使用龙卷风 PeriodicCallback 执行此操作,例如:
from tornado.ioloop import PeriodicCallback
from tornado import gen
N = 100
x = np.arange(N)
@gen.coroutine
def f():
y = np.random.rand(N)
pipe.send((x, y))
cb = PeriodicCallback(f, 1000)
cb.start()
推荐阅读
- elasticsearch - Elastic Search 合并两个索引
- php - 将动态数据添加到 json 文字字符串
- java - 使Java方法不可中断的用例是什么
- python - 如何使用包含文本文件的文件夹返回字典?
- javascript - chart.js 折线图和点之间的“正确”间距?(即基于宽度百分比的水平位置,不固定)
- reactjs - 我已登录,但我不断收到 401 错误
- python - Python多处理进程无法腌制pyttsx3.init()
- c# - 我如何在 asp.net 核心中捕获或抛出异常?
- laravel - laravel 8 将数据传递给重定向 url
- python - 示例 python nfft 傅立叶变换 - 信号重建归一化问题