迭代程序结果监控Dashboard需求：文件更新时自动绘制最新结果

这需求我之前做实验监控时刚好碰到过！给你几个从简单到进阶的方案，按需选就行：

适合快速搭建本地监控，不用搞Web服务，靠文件监听自动刷新图表。

首先装依赖：

pip install matplotlib watchdog pandas

然后写个监控脚本，逻辑是监听结果文件变化→读取最新数据→更新图表：

import matplotlib.pyplot as plt
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler
import pandas as pd
import time

# 初始化图表
fig, ax = plt.subplots()
line, = ax.plot([], [])
ax.set_xlabel('迭代次数')
ax.set_ylabel('结果值')
ax.set_title('迭代进度实时监控')

def refresh_plot():
    """读取最新数据并更新图表"""
    try:
        # 这里假设你的结果是CSV格式，按需替换成txt/json的读取逻辑
        df = pd.read_csv('results.csv')
        line.set_data(df['iteration'], df['value'])
        # 自动适配坐标轴范围
        ax.relim()
        ax.autoscale_view()
        plt.draw()
        plt.pause(0.1)
    except Exception as e:
        print(f"读取文件出错: {str(e)}")

class ResultFileWatcher(FileSystemEventHandler):
    """监听结果文件的修改事件"""
    def on_modified(self, event):
        if not event.is_directory and event.src_path.endswith('results.csv'):
            print("结果文件已更新，刷新图表...")
            refresh_plot()

if __name__ == "__main__":
    plt.ion()  # 开启Matplotlib交互式模式
    refresh_plot()  # 先绘制初始数据

    # 启动文件监听
    observer = Observer()
    observer.schedule(ResultFileWatcher(), path='.', recursive=False)
    observer.start()

    try:
        while True:
            time.sleep(1)
    except KeyboardInterrupt:
        observer.stop()
    observer.join()
    plt.ioff()
    plt.show()

启动这个脚本后，它会一直后台监听结果文件，每次文件更新就自动刷新图表，完全不用手动操作。

如果需要把监控界面分享给团队，或者想要更美观的Web界面，用Dash准没错——Python生态里做数据可视化Dashboard的神器，自带实时更新机制。

先装依赖：

pip install dash pandas

写个Dash应用：

from dash import Dash, dcc, html, Input, Output
import pandas as pd

app = Dash(__name__)

# 构建界面布局
app.layout = html.Div([
    html.H1('迭代结果实时监控Dashboard'),
    dcc.Graph(id='live-result-chart'),
    # 设置定时刷新间隔，这里是30秒，可按需调整
    dcc.Interval(
        id='refresh-interval',
        interval=30*1000,
        n_intervals=0
    )
])

# 定义图表更新回调
@app.callback(
    Output('live-result-chart', 'figure'),
    Input('refresh-interval', 'n_intervals')
)
def update_chart(_):
    # 读取最新结果数据
    df = pd.read_csv('results.csv')
    # 构造图表配置
    return {
        'data': [{'x': df['iteration'], 'y': df['value'], 'type': 'line', 'name': '当前结果'}],
        'layout': {
            'title': '迭代进度实时更新',
            'xaxis': {'title': '迭代次数'},
            'yaxis': {'title': '结果指标'},
            'uirevision': 'fixed'  # 保留用户的缩放/拖拽操作，避免刷新后重置
        }
    }

if __name__ == '__main__':
    app.run_server(debug=True)

启动后打开浏览器访问http://127.0.0.1:8050，就能看到自动更新的Web图表了。如果想要更灵敏的更新（文件一变就更），可以结合watchdog和Dash的dcc.Store组件，不过一般定时检查就足够用，代码更简单。

如果追求极致简洁，Streamlit绝对是首选——几行代码就能搭出可用的监控Dashboard，不需要写回调函数。

装依赖：

pip install streamlit pandas

写个脚本（存为monitor_dashboard.py）：

import streamlit as st
import pandas as pd
import time

st.title('迭代结果实时监控')

# 循环刷新图表
while True:
    # 读取最新数据
    df = pd.read_csv('results.csv')
    # 绘制折线图
    st.line_chart(df.set_index('iteration')['value'])
    # 等待30秒后刷新
    time.sleep(30)
    # 清空旧图表准备刷新
    st.empty()

启动命令：

streamlit run monitor_dashboard.py

浏览器会自动打开界面，每隔30秒自动刷新一次，完全不用管其他配置。

几个关键注意点： #

1. 保证文件写入的原子性：你的迭代程序写结果时，最好先写临时文件，再替换原文件，避免Dashboard读取到半写入的损坏文件。比如：

   import os
   import pandas as pd
   
   # 假设本次迭代的数据是new_row
   new_row = pd.DataFrame({'iteration': [10], 'value': [0.87]})
   # 先写入临时文件
   new_row.to_csv('results_temp.csv', mode='a', header=False, index=False)
   # 替换原文件（原子操作，避免读取冲突）
   os.replace('results_temp.csv', 'results.csv')
   

2. 关闭文件句柄：迭代程序写完文件后，一定要确保关闭了文件对象，否则可能导致Dashboard无法读取文件。

内容的提问来源于stack exchange，提问作者Esi