我有这段代码,适用于最大数据量为1000的数据。现在我以65536点进行了测试。
series = new QLineSeries();
QList<QPointF> points;
points.reserve(data.size());
for(std::vector<int>::size_type i = 0; i != data.size(); i++) {
QPointF point(i, data[i]*100/max);
points.append(point);
}
series->clear();
series->append(points);
应用程序冻结1个内核,处于全功率状态。我几分钟后就停了。
如何防止Qt无法响应。这种数据大小并不特殊,我希望图表视图可以处理多达一百万个点的数据集。
编辑: 我测量了时间
series->append(points);
花费1秒获得2000点。这意味着> 50.000的时间大约一分钟,这是不可用的。
更糟糕的是,对数刻度图
serieslog->append(points);
需要40秒才能获得2000点。那是完全不可用的。原因是调试消息,它几乎在每个点上都打印出来。
QtCharts :: XLogYDomain :: calculateGeometryPoints(const QVector&)const>;未定义零和负值的对数。
我可以使用
来加速线性绘图 series->setUseOpenGL(true);
但是使用65536仍然需要14秒,即每点200 µs。 仍然很多。我想要一个至少10 Hz的实时视频和一个实时直方图。时间必须<< 1秒。
编辑: 这是一个使用我的代码的工作示例
#include <QDebug>
#include <QTime>
#include <cmath>
#include <stdlib.h>
#include <QtCharts/QChartView>
#include <QtCharts/QLineSeries>
#include <QtCharts/QLogValueAxis>
#include <QtCharts/QValueAxis>
#include <QtWidgets/QApplication>
#include <QtWidgets/QMainWindow>
QT_CHARTS_USE_NAMESPACE
int main(int argc, char *argv[])
{
QApplication app(argc, argv);
QLineSeries * series;
QLineSeries * serieslog;
QChart * chart;
QChartView * chartView;
QValueAxis * axisX;
QValueAxis * axisY;
QLogValueAxis * axisY3;
chart = new QChart();
chart->legend()->hide();
chart->setTitle("Histogramm");
axisX = new QValueAxis;
chart->addAxis(axisX, Qt::AlignBottom);
series = new QLineSeries;
chart->addSeries(series);
axisY = new QValueAxis;
axisY->setTitleText("linear scale");
axisY->setLinePenColor(series->pen().color());
axisY->setGridLinePen((series->pen()));
chart->addAxis(axisY, Qt::AlignLeft);
series->attachAxis(axisX);
series->attachAxis(axisY);
serieslog = new QLineSeries;
chart->addSeries(serieslog);
axisY3 = new QLogValueAxis();
axisY3->setTitleText("logarithmic scale");
axisY3->setLabelFormat("%g");
axisY3->setLinePenColor(serieslog->pen().color());
axisY3->setGridLinePen((serieslog->pen()));
axisY3->setMinorTickCount(-1);
chart->addAxis(axisY3, Qt::AlignRight);
serieslog->attachAxis(axisX);
serieslog->attachAxis(axisY3);
chartView = new QChartView(chart);
chartView->setRenderHint(QPainter::Antialiasing);
// create data
std::vector<int> data;
int N = 10000;
data.resize(N);
for (int i=0; i < N; ++i){
int value = static_cast<int>(fabs((sin(static_cast<double>(i)/1000.0)+1)*1+ std::rand() % 100)+10);
data[i] = value;
}
QList<QPointF> points;
points.reserve(data.size());
for(std::vector<int>::size_type i = 0; i != data.size(); i++) { //
QPointF point(i, data[i]);
points.append(point);
}
QTime myTimer;
myTimer.start();
series->clear();
// series->setUseOpenGL(true);
series->append(points);
qDebug() << "seconds lin: " << myTimer.elapsed();
myTimer.start();
serieslog->clear();
serieslog->append(points);
qDebug() << "seconds log: " << myTimer.elapsed();
chart->axisX()->setRange(0, data.size());
chart->axisY()->setRange(-10, 250);
QMainWindow window;
window.setCentralWidget(chartView);
window.resize(800, 600);
window.show();
return app.exec();
}
QT += core
QT += widgets
QT += gui
QT += charts
SOURCES += \
main.cpp
我测量 毫秒林:1624 毫秒日志:6801
答案 0 :(得分:1)
我可以重现该问题(经过类似的时间),并且看来QXYSeries::append
处理QList
的方式是有问题的。从代码中...
void QXYSeries::append(const QList<QPointF> &points)
{
foreach (const QPointF &point , points)
append(point);
}
和...
void QXYSeries::append(const QPointF &point)
{
Q_D(QXYSeries);
if (isValidValue(point)) {
d->m_points << point;
emit pointAdded(d->m_points.count() - 1);
}
}
因此,每次加点可能会导致QVector
d->m_points
的大小调整和pointAdded
信号的发射。
鉴于在调用QXYSeries::append
之前清除了与该系列相关的所有数据,可以改用QXYSeries::replace
。
如果您必须以QList
的形式生成初始数据,则只需使用...
series->replace(points);
但是,在内部使用QList::toVector
,因此,如果您可以将数据生成为QVector
,那就更好了……
QVector<QPointF> points(data.size());
for(std::vector<int>::size_type i = 0; i != data.size(); ++i) {
points[i] = QPointF(i, data[i]);
}
QTime myTimer;
myTimer.start();
series->replace(points);
qDebug() << "\nlin: " << myTimer.elapsed() << "ms\n";
myTimer.start();
serieslog->replace(points);
qDebug() << "\nlog: " << myTimer.elapsed() << "ms\n";
上面的代码在我自己的系统上导致...
lin: 1 ms
log: 3 ms
获得1万分,获得10万分...
lin: 6 ms
log: 22 ms