我需要在 PyQtGraph 中绘制一个大的时间序列（数百万个点）。按原样绘制它实际上是不可能的，并且在打开优化选项时（使用setDownsampling 进行下采样并使用setClipToView 进行裁剪）它在缩小时仍然几乎不可用（只有在放大时它会因为裁剪而变得更快）。
不过我有个主意。我可以对我的数据进行预下采样，因为它们是静态的。然后，我可以在缩小时使用缓存的下采样数据，在放大时使用原始数据。
我怎样才能做到这一点？
【问题讨论】：
我在一个名为runviewer 的项目中做过类似的事情。一般的想法是在绘图的 x 范围发生变化时重新采样数据。我们使用的大致方法是：
将方法连接到PlotWidget 的sigXRangeChanged 信号，该信号设置一个布尔标志，指示数据需要重新采样。
启动一个线程，每 x 秒（我们选择 0.5 秒）轮询布尔标志，以查看是否需要对数据进行重新采样。如果是，则使用您选择的算法对数据进行重新采样（我们用 C 编写了自己的算法）。然后将此数据发送回主线程（例如，使用QThread 并向主线程发出信号），其中调用 pyqtgraph 以更新图中的数据（注意，您只能调用 pyqtgraph 方法来自主线程！）
我们使用布尔标志将 x 范围变化事件与重采样分离。您不想在每次 x 范围更改时重新采样，因为当您使用鼠标缩放时会多次触发信号，并且您不想生成重新采样调用队列，因为重新采样很慢，即使使用 C ！
您还需要确保您的重采样线程在检测到布尔标志为 True 时立即将其设置为 False，然后运行重采样算法。这样一来，当前重采样期间的后续 x 范围更改事件会导致后续重采样。
您也可以通过不轮询标志，而是使用某种线程事件/条件来改善这一点。
请注意，使用 Python 进行重采样非常非常慢，这就是我们选择编写重采样算法 C 并从 Python 调用它的原因。 numpy 主要是在 C 中，所以会很快。但是我认为他们没有保留特征的重采样算法。大多数人所做的重采样只是标准的下采样，即每第 N 个点取一次，但我们希望在缩小时仍然能够看到小于采样大小的特征的存在。
关于性能的其他 cmets
我怀疑pyqtgraph内置方法的部分性能问题是下采样是在主线程中完成的。因此，必须在图形再次响应用户输入之前完成下采样。我们的方法避免了这种情况。我们的方法还将下采样发生的次数限制为最多每the length of time it takes to down-sample + the poll delay 秒一次。因此，通过我们使用的延迟，我们仅每 0.5-1 秒进行一次下采样，同时保持主线程（以及 UI）响应。这确实意味着如果用户快速放大，他们可能会看到粗略采样的数据，但这会在最多 2 次重新采样迭代中得到纠正（因此最多延迟 1-2 秒）。此外，由于需要很短的时间来纠正，使用新采样数据的更新/重绘通常是在用户完成与 UI 的交互之后完成的，因此他们不会注意到重绘过程中的任何无响应。
显然，我引用的时间完全取决于重新采样的速度和轮询延迟！
【讨论】：
autoDownsample 选项有何不同？我已经在使用那个了，每次缩放时不断的下采样会让事情变得超级慢。
@three_pineapples 的回答描述了对 PyQtGraph 中默认下采样的一个非常好的改进，但它仍然需要动态执行下采样，这在我的情况下是有问题的。
因此，我决定实施不同的策略，即对数据进行预下采样，然后根据“缩放级别”选择已经下采样的数据或原始数据。
我将该方法与 PyQtGraph 原生采用的默认自动下采样策略相结合，以进一步提高速度（可以通过 @three_pineapples 的建议进一步改进）。
这样，PyQtGraph 总是从低维数的数据开始，这使得即使有大量样本也可以立即进行缩放和平移。
这段代码总结了我的方法，猴子修补了PlotDataItem的getData方法。
# Downsample data
downsampled_data = downsample(data, 100)
# Replacement for the default getData function
def getData(obj):
# Calculate the visible range
range = obj.viewRect()
if range is not None:
dx = float(data[-1, 0] - data[0, 0]) / (data.size[0] - 1)
x0 = (range.left() - data[0, 0]) / dx
x1 = (range.right() - data[0, 0]) / dx
# Decide whether to use downsampled or original data
if (x1 - x0) > 20000:
obj.xData = downsampled_data[:, 0]
obj.yData = downsampled_data[:, 1]
else:
obj.xData = data[:, 0]
obj.yData = data[:, 1]
# Run the original getData of PlotDataItem
return PlotDataItem.getData(obj)
# Replace the original getData with our getData
plot_data_item.getData = types.MethodType(getData, plot_data_item)
【讨论】：