跳转至

NaN 数据处理

传感器故障、采样间隔不均、数据处理管道中的异常值等都可能产生 NaN（Not a Number）值。如果绘图库不能正确处理 NaN，轻则导致坐标轴范围错误、曲线渲染异常，重则引发程序崩溃。

Qwt 7 能正确处理 NaN 数据，并针对含 NaN 的数据做了性能优化，这是原版 Qwt 6 不具备的。在 Qwt 6 中，NaN 数据会导致 boundingRect 被污染（返回无效矩形）、坐标映射产生错误像素坐标、自动缩放失效等一系列 bug。Qwt 7 从底层工具函数到绘制管线，各层都加入了 NaN 处理。

说明 — Qwt 7 新增功能

NaN 数据的正确处理和性能优化是 Qwt 7 相对于原版 Qwt 6.2.0 的重要改进之一。所有核心改进均在 2025 年 12 月由项目维护者添加。

NaN 处理架构概览

Qwt 7 的 NaN 处理贯穿整个 2D 绘图管线，从数据层到渲染层：

flowchart TD
    A["数据层<br/>QwtSeriesData"] -->|"boundingRect() 中跳过 NaN"| B["坐标计算层<br/>qwtBoundingRectT()"]
    B -->|"返回有效的包围矩形"| C["自动缩放层<br/>QwtPlot"]
    C -->|"检查 boundingRect 是否有限"| D["坐标映射层<br/>QwtPointMapper"]
    D -->|"每个算法路径跳过 NaN"| E["渲染层<br/>QPainter"]

    F["qwt_is_nan_or_inf()<br/>统一 NaN/Inf 检测工具"] -.->|"被所有层使用"| A
    F -.-> B
    F -.-> D

    style A fill:#4a90d9,color:#fff
    style B fill:#4a90d9,color:#fff
    style C fill:#e8833a,color:#fff
    style D fill:#5cb85c,color:#fff
    style E fill:#f0ad4e,color:#fff
    style F fill:#9b59b6,color:#fff

核心工具函数：qwt_is_nan_or_inf()

源文件：src/core/qwt_math.h

Qwt 7 新增了统一的 NaN/Inf 检测函数族，作为所有 NaN 处理的基础设施。原版 Qwt 6 没有这种统一的检测工具。

函数重载

通过 SFINAE 提供三个重载，覆盖不同数据类型：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
// 1. 浮点类型：使用 std::isfinite() 同时检测 NaN 和 Inf
template< typename T >
inline typename std::enable_if< std::is_floating_point< T >::value, bool >::type
qwt_is_nan_or_inf(const T& value)
{
    return !std::isfinite(value);
}

// 2. QPointF 类型：检测 x 和 y 两个坐标
inline bool qwt_is_nan_or_inf(const QPointF& point)
{
    return !std::isfinite(point.x()) || !std::isfinite(point.y());
}

// 3. 非浮点类型：永远返回 false
template< typename T >
typename std::enable_if< !std::is_floating_point< T >::value
    && !std::is_same< T, QPointF >::value, bool >::type
inline qwt_is_nan_or_inf(const T& /*value*/)
{
    return false;
}

辅助模板函数

除了基础检测函数外，还提供了以下工具：

函数 功能
qwtContainsNanOrInf(first, last) 检测迭代器范围内是否包含 NaN/Inf
qwtRemoveNanOrInf(container) 原地删除容器中所有 NaN/Inf 值
qwtRemoveNanOrInfCopy(container) 返回去除 NaN/Inf 的新容器

boundingRect 中的 NaN 处理

源文件：src/core/qwt_series_data.cpp

Qwt 6 的问题

原版 Qwt 6.2.0 的 qwtBoundingRectT() 模板在计算数据系列的包围矩形时，不跳过 NaN 样本。由于 IEEE 754 浮点比较语义（NaN < x 和 NaN > x 均为 false），NaN 值会导致：

  • 包围矩形的边界被污染为无效值
  • 自动缩放收到错误的范围，坐标轴显示异常
  • 后续坐标映射产生错误结果

Qwt 7 的改进

Qwt 7 在 qwtBoundingRectT<T>() 的两个循环中均添加了 NaN 跳过逻辑：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
template< class T >
QRectF qwtBoundingRectT(const QwtSeriesData< T >& series, size_t from, size_t to)
{
    QRectF boundingRect(1.0, 1.0, -2.0, -2.0);  // invalid

    // ... 前置检查 ...

    // 第一个循环：找到首个有效样本作为初始 boundingRect
    size_t i;
    for (i = from; i <= to; i++) {
        // chenzongyan modify at 202512: add nan checking
        if (isSampleNanOrInf(series.sample(i))) {
            continue;  // 跳过 NaN/Inf 样本
        }
        const QRectF rect = qwtBoundingRect(series.sample(i));
        if (rect.width() >= 0.0 && rect.height() >= 0.0) {
            boundingRect = rect;
            i++;
            break;
        }
    }

    // 第二个循环：扩展 boundingRect
    for (; i <= to; i++) {
        // chenzongyan modify at 202512: add nan checking
        if (isSampleNanOrInf(series.sample(i))) {
            continue;  // 跳过 NaN/Inf 样本
        }
        const QRectF rect = qwtBoundingRect(series.sample(i));
        // ... 扩展 boundingRect ...
    }

    return boundingRect;
}

isSampleNanOrInf() 类型重载

isSampleNanOrInf() 为每种样本类型提供了独立重载，确保所有数据类型都能正确检测 NaN：

样本类型 检测的字段
QPointF x, y（委托 qwt_is_nan_or_inf()）
QwtPoint3D x, y, z
QwtPointPolar azimuth, radius
QwtIntervalSample value, interval.minValue, interval.maxValue
QwtOHLCSample close, high, low, open, time
QwtBoxSample position, whiskerLower, q1, median, q3, whiskerUpper
QwtVectorFieldSample x, y, vx, vy
QwtSetSample 在 qwtBoundingRect(QwtSetSample) 内部单独处理

坐标映射中的 NaN 处理

源文件：src/plot/qwt_point_mapper.cpp

QwtPointMapper 是坐标映射的核心类，所有降采样和坐标变换路径都在此实现。Qwt 7 确保每一条映射路径都跳过 NaN 点。

各降采样算法的 NaN 处理

算法 函数 NaN 处理方式
连续重复点过滤 qwtToPolylineFiltered() 先找首个非 NaN 点，循环中 continue 跳过 NaN
Quad Reduce qwtMapPointsQuad() 先找首个非 NaN 点，循环中 continue 跳过 NaN
Pixel-Column Reduce qwtPixelColumnReduce() 循环中 continue 跳过 NaN
MinMax Bucket Reduce qwtMinMaxBucketReduce() NaN 预扫描 → 选择 SIMD/标量路径
散点映射 qwtToPoints() / qwtToPointsFiltered() 循环中 continue 跳过 NaN
图像渲染 qwtRenderDots() 循环中 continue 跳过 NaN

典型处理模式

大部分算法采用同一种模式：先找到首个有效点作为起始，再在主循环中跳过 NaN。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
// 1. 找到第一个非 NaN 样本
int realFrom = from;
QPointF sample0 = series->sample(from);
while (realFrom < to && qwt_is_nan_or_inf(sample0)) {
    realFrom++;
    sample0 = series->sample(realFrom);
}
// 如果全部是 NaN，返回空多边形
if (realFrom >= to && qwt_is_nan_or_inf(sample0))
    return polyline;

// 2. 主循环中跳过 NaN
for (int i = realFrom; i <= to; i++) {
    const QPointF sample = series->sample(i);
    if (qwt_is_nan_or_inf(sample))
        continue;
    // ... 正常处理 ...
}

MinMax Bucket Reduce 的 NaN 预扫描（LTTB 路径）

qwtMinMaxBucketReduce() 是 Qwt 7 新增的 LTTB 降采样算法，其 NaN 处理最为复杂：用预扫描决定是否使用 SIMD 加速路径。

flowchart TD
    A["提取原始 Y 指针"] --> B{"提取成功？"}
    B -->|否| G["通用路径<br/>虚拟 sample() 访问<br/>逐点跳过 NaN"]
    B -->|是| C["NaN 预扫描<br/>遍历可见范围内的 Y 值"]
    C --> D{"存在 NaN？"}
    D -->|否| E["SIMD 快速路径<br/>qwtSimdArgMinMax()"]
    D -->|是| F["标量快速路径<br/>原始指针 + 逐点 NaN 检查"]

    style B fill:#4a90d9,color:#fff
    style D fill:#4a90d9,color:#fff
    style E fill:#5cb85c,color:#fff
    style F fill:#f0ad4e,color:#fff
    style G fill:#999,color:#fff

需要预扫描，是因为存在 NaN 时 SIMD 路径的 argmin/argmax 结果可能受到干扰。预扫描只需 O(n) 一次遍历，一旦发现 NaN 就切换到标量路径，标量路径可以逐点跳过 NaN。当数据完全无 NaN 时（常见场景），SIMD 路径提供 3-4 倍加速。

SIMD 模块中的 NaN 语义

源文件：src/core/qwt_simd_argminmax.h、src/core/qwt_simd_argminmax.cpp

qwtSimdArgMinMax() 使用 IEEE 754 比较语义自然忽略 NaN 值：

IEEE 754 有序比较

SIMD 实现使用有序比较谓词 _CMP_LT_OQ 和 _CMP_GT_OQ，当任一操作数为 NaN 时返回 false。因此 NaN 值永远不会成为新的 min/max，被"自然忽略"：

1
2
3
4
// SSE4.2 示例
const __m128d cmpMin = _mm_cmp_pd(vals, minVec, _CMP_LT_OQ);
minIdxVec = _mm_blendv_pd(minIdxVec, curIdx, cmpMin);
minVec = _mm_min_pd(minVec, vals);

全 NaN 输入的兜底处理

当所有元素都是 NaN 时，初始化的 DBL_MAX/-DBL_MAX 不会被更新。公共 API 层添加了后检查：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
QwtArgMinMaxResult qwtSimdArgMinMax(const double* data, int count)
{
    // ... 调用 SIMD/标量实现 ...
    QwtArgMinMaxResult result = kFn(data, count);

    // 全 NaN 输入的兜底
    if (std::isnan(result.minVal) || std::isnan(result.maxVal))
        return { 0, 0, DBL_MAX, -DBL_MAX };

    return result;
}

曲线绘制中的 NaN 处理覆盖

源文件：src/plot/qwt_plot_curve.cpp

不同绘制风格对 NaN 的处理现已全部覆盖：

绘制风格 NaN 处理 实现方式
Lines（含所有降采样模式） 已处理 委托 QwtPointMapper
Dots（默认路径） 已处理 委托 QwtPointMapper
Symbols 已处理 委托 QwtPointMapper
Dots（MinimizeMemory 路径） 已处理 直接迭代，isSampleNanOrInf() 跳过
Sticks 已处理 直接迭代，isSampleNanOrInf() 跳过
Steps 已处理 直接迭代，isSampleNanOrInf() 跳过

警告 — 跳过不等于断开

早期版本中 Sticks、Steps 与 Dots 的 MinimizeMemory 路径不检查 NaN；自提交 17d0d13 起这些路径（以及 closestPoint()）已补上 isSampleNanOrInf() 跳过检查，所有风格均安全。但要注意跳过语义的含义：Lines 类与 Steps 对 NaN 是"跳过并桥接"：缺口会被一条数据中不存在的线段（桥接弦）跨过，折线不会在缺口处断开留白；只有 Dots/Sticks 这类逐样本风格能让缺口天然空白。若需要"缺口即空白"的断线语义，可开启 QwtPlotCurve::BreakAtNan 曲线属性（见下文最佳实践），或在数据端按 NaN 把序列切成多个有限段、每段一条曲线。定量语义矩阵与像素级视觉扫描见技术报告。

自动缩放中的 NaN 防护

源文件：src/plot/qwt_plot.cpp、src/plot/qwt_plot_axis.cpp

自动缩放有两条独立路径，各自的 NaN 防护形式不同。QwtPlot::rescaleAxes() 在合并范围前检查 item boundingRect 的有效性与四边有限性（谓词为 qwt_is_nan_or_inf()，同时拦截 Inf）：

1
2
3
4
5
6
// qwt_plot.cpp — rescaleAxes()：检查 boundingRect 是否有效（含 NaN 和无穷大检查）
if (boundingRect.isValid() && !boundingRect.isEmpty() && !qwt_is_nan_or_inf(boundingRect.left())
    && !qwt_is_nan_or_inf(boundingRect.right()) && !qwt_is_nan_or_inf(boundingRect.top())
    && !qwt_is_nan_or_inf(boundingRect.bottom())) {
    // ... 合并进自动缩放范围 ...
}

replot 时走的 QwtPlot::updateAxes() 则只按 width() >= 0 / height() >= 0 判断：全 NaN 序列的 boundingRect 是无效矩形 QRectF(1, 1, -2, -2)（宽、高均为 -2），会被整体跳过，对应轴的区间保持无效，最终落到 AxisData 的默认范围 0–1000。这就是全 NaN 曲线坐标轴回落到 0–1000、画布空白的来源：

1
2
3
4
5
6
// qwt_plot_axis.cpp — updateAxes()：无效矩形被直接跳过，不会污染轴区间
const QRectF rect = item->boundingRect();
if (rect.width() >= 0.0)
    boundingIntervals[item->xAxis()] |= QwtInterval(rect.left(), rect.right());
if (rect.height() >= 0.0)
    boundingIntervals[item->yAxis()] |= QwtInterval(rect.top(), rect.bottom());

两条路径的双重防护确保了即使 boundingRect 被意外污染（例如未来回归 bug），自动缩放也不会收到无效的范围值。

其他模块的 NaN 处理

等高线算法

QwtRasterData 的 CONREC 等高线算法通过累加和检测 NaN：NaN 参与加法运算会使结果变为 NaN（当前源码使用 qwt_is_nan_or_inf()，同时拦截 Inf）：

1
2
3
4
if (qwt_is_nan_or_inf(zSum)) {
    // 其中一个点是 NaN 或 Inf
    continue;
}

Spectrogram 渲染

Spectrogram（光谱图/热力图）将 NaN 值视为数据缺口（gap），渲染为透明像素。早期版本因 qIsNaN() 未内联且 qt_is_nan 位于 Qt 私有头文件而实现过本地的位级 NaN 检测（qwtIsNaN），当前源码已将其移除，统一使用 core 模块的 qwt_is_nan_or_inf()。渲染时，NaN 值被渲染为透明像素（0u）：

1
2
3
if (hasGaps && qwt_is_nan_or_inf(value)) {
    *line++ = 0u;  // 透明像素
}

WithoutGaps 性能标志

QwtRasterData::WithoutGaps 属性标志告知渲染器数据无缺口，可跳过 NaN 检查以提升性能：

1
2
// 如果数据没有缺口，启用 WithoutGaps 可跳过 NaN 检查
rasterData->setAttribute(QwtRasterData::WithoutGaps, true);

nanperf 性能基准测试

说明 — Qwt 7 新增示例

examples/2D/nanperf/ 是 Qwt 7 新增的性能基准测试示例，用于对比不同 NaN 分布和降采样模式下的渲染性能。原版 Qwt 6 没有此示例。

示例概述

nanperf 示例提供了一个 GUI 工具，可交互式地测试 NaN 数据对渲染性能的影响：

  • 6 种 NaN 分布场景：前导 NaN、首尾 NaN、中间 NaN、尾部 NaN、X+Y 同时 NaN、X/Y 交替 NaN
  • 5 种降采样模式：ClipPolygons、FilterPoints、FilterPointsAggressive、FilterPointsPixel、FilterPointsLTTB
  • 可配置参数：数据点数（1,000 ~ 10,000,000）、NaN 比例（0% ~ 99%）、重复次数
  • 瓶颈分析：计算 SIMD 悬崖效应和数据缩减效应的差异

界面布局

示例主窗口包含：

  1. 控制栏：模式选择、数据点数、NaN 比例、重复次数、操作按钮
  2. 6 个绘图面板：以 2×3 网格排列，每个面板对应一种 NaN 分布场景
  3. 指标表格：显示每个（场景 × 模式）组合的 boundingRect 时间、replot 时间、FPS、NaN 点数
  4. 瓶颈分析：自动生成的分析文本，隔离 SIMD 悬崖效应和数据缩减效应

NaN 分布场景

场景 说明 测试目的
No NaN Baseline 无 NaN 基准 作为性能对比的参照
Leading NaN 数据开头为 NaN，后续为信号 测试前导 NaN 对首个有效点查找的影响
Leading & Trailing NaN 数据首尾为 NaN，中间为信号 测试两端 NaN 的影响
Middle NaN 数据中间为 NaN，两端为信号 测试中间断隙对曲线连续性的影响
X+Y Middle NaN X 和 Y 同时为 NaN（中间位置） 测试非单调 X 的影响（破坏二分搜索优化）
X/Y Interleaved NaN X-only 和 Y-only NaN 交替（中间位置） 测试部分坐标 NaN 的影响

瓶颈分析逻辑

nanperf 的 BenchmarkRunner::analyze() 方法将性能差异分解为两个因素：

  1. SIMD 悬崖效应（仅影响 LTTB）：当数据中存在任何 NaN 时，qwtMinMaxBucketReduce 的预扫描会全局禁用 SIMD，回退到标量路径。通过对比 LTTB 在有/无 NaN 时的性能比率来衡量。
  2. 数据缩减效应（影响所有模式）：NaN 点被跳过后，需要处理的有限点更少，渲染更快。通过对比非 LTTB 模式在有/无 NaN 时的性能比率来衡量。

两者的差值（delta）隔离了 SIMD 悬崖效应：

  • delta < 0：LTTB 从数据缩减中获益更多（SIMD 代价在低 NaN 比例下可忽略）
  • 0 ≤ delta ≤ 0.1：SIMD 代价边际效应（在高 NaN 比例下标量开销可忽略）
  • delta > 0.1：SIMD 悬崖显著可见（LTTB 被标量回退拖慢）

基准测试结果

以下为两组典型测试结果，测试环境：100,000 数据点，20 次重复取平均。其中 FilterPointsLTTB 的数据由 v7.4.2 实现（MinMax 桶）测得；自 v7.5.0 起该属性映射到真 LTTB。

低 NaN 比例（1%）

场景 模式 boundingRect (ms) replot (ms) FPS NaN 点数
No NaN Baseline ClipPolygons 8.615 116.850 8.6 0
No NaN Baseline FilterPointsLTTB 8.777 12.440 80.4 0
Leading NaN FilterPointsLTTB 8.089 9.726 102.8 1000
Middle NaN FilterPointsLTTB 8.351 10.444 95.7 1000
X+Y Middle NaN FilterPointsLTTB 8.257 9.601 104.2 1000

瓶颈分析：

  • boundingRect：基准 8.634 ms vs NaN 8.396 ms，冷缓存 O(n) 扫描（实际使用中会缓存，仅在数据变化时重新计算）
  • FilterPointsLTTB：NaN 9.849 ms vs 基准 12.440 ms（0.79x），LTTB 从数据缩减中获益更多，SIMD 代价在 1% NaN 比例下可忽略
  • 其他模式：NaN 54.634 ms vs 基准 55.644 ms（0.98x），无 SIMD 路径，比率反映纯数据缩减效果
  • delta = -0.19 → LTTB 从数据缩减中获益更多

高 NaN 比例（99%）

场景 模式 boundingRect (ms) replot (ms) FPS NaN 点数
No NaN Baseline ClipPolygons 8.730 115.466 8.7 0
No NaN Baseline FilterPointsLTTB 8.362 13.244 75.5 0
Leading NaN FilterPointsLTTB 3.388 1.614 619.6 99000
Middle NaN FilterPointsLTTB 3.468 1.762 567.6 99000
X+Y Middle NaN FilterPointsLTTB 2.720 1.896 527.4 99000

瓶颈分析：

  • boundingRect：基准 8.540 ms vs NaN 3.164 ms，NaN 点被跳过后扫描更快
  • FilterPointsLTTB：NaN 1.700 ms vs 基准 13.244 ms（0.13x），99% 数据被跳过，渲染速度大幅提高
  • 其他模式：NaN 5.524 ms vs 基准 54.860 ms（0.10x），纯数据缩减效果
  • delta = +0.03 → SIMD 代价边际效应，在高 NaN 比例下标量开销可忽略

结果总结

下面的流程图汇总了两轮基准测试：1% NaN 比例下 LTTB 路径仍优于无 NaN 基准（replot 耗时 0.79x），99% 比例下所有模式都大幅加速（0.10–0.13x），SIMD 回退代价在两种情况下都可以忽略：

flowchart LR
    subgraph 低NaN["1% NaN 比例"]
        A1["LTTB 比率: 0.79x<br/>（比基准更快）"]
        A2["其他比率: 0.98x"]
        A3["delta: -0.19<br/>LTTB 获益更多"]
    end

    subgraph 高NaN["99% NaN 比例"]
        B1["LTTB 比率: 0.13x<br/>（快 7.7 倍）"]
        B2["其他比率: 0.10x"]
        B3["delta: +0.03<br/>SIMD 代价可忽略"]
    end

    低NaN --> C["结论：NaN 跳过带来<br/>纯性能收益"]
    高NaN --> C

    style C fill:#5cb85c,color:#fff

关键发现：

  1. NaN 跳过不会导致性能下降：在所有测试场景中，有 NaN 的数据渲染速度均快于或等于无 NaN 基准，因为跳过 NaN 减少了需要处理的有限点数。
  2. SIMD 悬崖效应可忽略：即使在 1% NaN 比例下，LTTB 因预扫描禁用 SIMD 而回退标量路径，其性能仍然优于无 NaN 基准（0.79x），因为数据缩减的收益远大于 SIMD 损失。
  3. 高 NaN 比例下性能大幅提升：99% NaN 时，LTTB 的 replot 时间从 13.2ms 降至 1.7ms（7.7 倍加速），FPS 从 75.5 提升至 619.6。
  4. NaN 分布位置不影响性能：前导、中间、尾部、交替等不同 NaN 分布方式对性能的影响几乎一致，说明 Qwt 7 的 NaN 处理不受样本位置影响。

运行 nanperf 示例

说明 — 构建与运行

nanperf 示例默认包含在构建中。使用 build.ps1 构建后，可在 build/bin/ 目录下找到 nanperf.exe。

1
2
3
4
5
# 构建（包含示例）
.\build.ps1 build

# 运行
.\build\bin\nanperf.exe

也可在 CMake 构建时通过 -DQWT_CONFIG_BUILD_EXAMPLE=ON（默认）确保示例被构建。

界面操作指南

  1. 调整参数：在顶部控制栏设置数据点数、NaN 比例、重复次数
  2. Apply & Redraw：立即将当前参数应用到所有 6 个面板并重绘
  3. Run Benchmark Sweep：运行完整的 5 模式 × 7 场景（含基准）基准测试
  4. Export Markdown：将测试结果导出为 Markdown 表格文件

最佳实践

数据准备

缺失的样本用 quiet NaN 标记（直接用 Qt 的 qQNaN() 工具函数生成），像普通数值一样追加进数据向量即可；boundingRect() 与渲染器都会自动跳过它们，坐标轴范围无需额外处理就能保持正确。注意"跳过"指折线在缺口处被桥接连通而非断开留白；需要缺口显示为空白时，参见上文"曲线绘制中的 NaN 处理覆盖"的警告与技术报告：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
// 使用 qQNaN() 生成 NaN 值
const double nan = qQNaN();
QVector< double > x, y;
for (int i = 0; i < n; ++i) {
    x.append(i);
    if (should_be_missing(i))
        y.append(nan);       // NaN 表示数据缺失
    else
        y.append(signal(i));  // 正常数据
}
curve->setSamples(x, y);
// boundingRect 会自动跳过 NaN，坐标轴范围正确

选择绘制风格

所有绘制风格现在都会跳过 NaN 样本（见上文覆盖表），处理含 NaN 的数据时可优先选 QwtPlotCurve::Lines 风格：它具备完整的 NaN 处理，且默认启用的 FilterPointsLTTB 渲染属性同时提供最佳性能。注意 Lines/Steps 的跳过语义是"桥接"：缺口会被一条线段跨过而非断开留白；需要缺口显示为空白时可开启 BreakAtNan 曲线属性（见下一节），或在数据端按有限段切分成多条曲线，或改用逐样本绘制的 Dots/Sticks 风格：

1
2
3
4
5
6
7
// 推荐：Lines 风格 — 完整的 NaN 处理（跳过语义，缺口以弦桥接）
curve->setStyle(QwtPlotCurve::Lines);
// 默认启用 FilterPointsLTTB，提供最佳性能和 NaN 兼容性

// 缺口必须显示为空白时：开启 BreakAtNan（见下节），
// 或在数据端按有限段切分为多条曲线（每段一条），
// 或改用 Dots / Sticks 逐样本风格

缺口语义：BreakAtNan 属性

默认情况下曲线渲染为一条连续折线：NaN/Inf 样本被跳过，缺口两侧的有限样本被一条数据中不存在的桥接弦连起来。QwtPlotCurve::BreakAtNan 曲线属性把 Lines 与 Steps 切换为切段语义：每个由连续有限样本构成的段渲染为一条独立折线，缺口保持空白，与 matplotlib 的行为一致：

1
2
3
4
QwtPlotCurve* curve = new QwtPlotCurve();
curve->setSamples(x, y);   // y 含 qQNaN() 缺口
curve->setCurveAttribute(QwtPlotCurve::BreakAtNan, true);
curve->attach(plot);

行为细节：

  • 逐段处理：每个段独立做平滑、拟合（Fitted）、裁剪与填充，平滑核与填充区域都不会跨越缺口，每段的填充独立闭合到基线。
  • 逐段降采样：渲染属性（FilterPointsLTTB 等）的降采样预算按段分配；短段会回退到更简单的过滤算法，这是逐段渲染的定义性代价。
  • 对 Dots/Sticks 无效果：这两种风格逐样本绘制、本来就跳过 NaN/Inf 样本，缺口天然空白。
  • 段扫描缓存：有限段的扫描在每次数据变更时只做一次（与序列 boundingRect 同一缓存生命周期），之后每次重绘直接复用，交互式缩放/平移不会重复支付 O(n) 扫描。就地修改内容的自定义 QwtSeriesData 实现需要触发 dataChanged()（例如重新调用 setData()）才能刷新缓存。
  • 默认关闭：不开启该属性时行为与之前完全一致：缺口仍被桥接。

Spectrogram 中的数据缺口

在频谱图中，NaN 单元默认被渲染成透明缺口，对 QwtPlotSpectrogram 来说这通常正是想要的效果。只有当栅格数据确实没有缺口时，才应通过 setAttribute() 设置 QwtRasterData::WithoutGaps 属性，跳过逐单元的 NaN 检查：

1
2
3
4
5
// 如果数据确实包含缺口（NaN），保持默认设置即可
// Spectrogram 会自动将 NaN 渲染为透明区域

// 如果数据没有缺口，启用 WithoutGaps 标志以跳过 NaN 检查
rasterData->setAttribute(QwtRasterData::WithoutGaps, true);

API 参考