import socket import matplotlib.pyplot as plt import numpy as np PORT = 50001 MAXRECVSTRING = 100 if __name__=="__main__": sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM) sock.bind(("127.0.0.1", PORT)) recvString = "" count1 = 0 count2 = 0 count3 = 0 x = [] y1 = [] y2 = [] y3 = [] while True: recvString, addr = sock.recvfrom(MAXRECVSTRING) if recvString: if recvString[0] == b'1': print("S1") count1 += 1 x.append(len(x)) y1.append(count1) y2.append(count2) y3.append(count3) elif recvString[0] == b'2': print("S2") count2 += 1 x.append(len(x)) y1.append(count1) y2.append(count2) y3.append(count3) elif recvString[0] == b'3': print("S3") count3 += 1 x.append(len(x)) y1.append(count1) y2.append(count2) y3.append(count3) plt.clf() plt.plot(x, y1, 'r', label='S1') plt.plot(x, y2, 'g', label='S2') plt.plot(x, y3, 'b', label='S3') plt.legend(loc='upper left') plt.xlabel('Time') plt.ylabel('Count') plt.pause(0.1) sock.close()检查一下以上代码和c++语言的对比是否存在问题,为什么用c++的可以收到数据,而用python的这个代码收不到数据
时间: 2024-02-14 14:23:44 浏览: 25
首先需要明确的是,Python 和 C++ 是两种不同的编程语言,其网络编程的实现方式也存在差异。
在看代码的时候,我发现代码中使用的是 UDP 协议进行通信,而在网络通信中,UDP 和 TCP 协议都是常用的协议。UDP 是无连接的、不可靠的协议,它只是把应用程序传给它的数据报发送出去,但是并不保证数据报能够到达目的地。而 TCP 是面向连接的、可靠的协议,它在传递数据之前会先进行三次握手建立连接,传输数据时保证数据的可靠性和完整性。
在 C++ 中,使用的是 recvfrom 函数进行数据接收,而在 Python 中,使用的是 sock.recvfrom 函数。这两个函数的参数和返回值都是不同的,因此需要根据具体情况进行适当的调整。
如果代码中使用的是 UDP 协议,那么在 Python 中需要确保使用的是相同的 IP 地址和端口号,并且需要注意防火墙等安全设置的影响。此外,还需要确保发送方发送的数据格式和接收方进行解析的数据格式是一致的。
如果以上问题都没有解决,那么可以考虑在代码中增加调试信息,例如输出接收到的数据和错误信息等,以便更好地进行排查。
相关问题
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d
import numpy是一个用于科学计算的Python库,它提供了大量用于数组操作和数学计算的函数和工具。使用import numpy as np将numpy库导入为np别名,以便在代码中更方便地使用numpy的函数和工具。
而import matplotlib.pyplot as plt是导入matplotlib库的一种常用方式,matplotlib是一个用于绘制图表和数据可视化的库,import语句将matplotlib.pyplot模块导入为plt别名,以便在代码中更方便地使用matplotlib库的绘图函数和工具。
最后,from mpl_toolkits.mplot3d导入模块同样是用于matplotlib库的一种常见操作,它用于导入mpl_toolkits.mplot3d模块,这是一个用于绘制三维图表和可视化三维数据的工具模块。
综合起来,这些import语句在Python代码中的作用是将numpy和matplotlib库以及其相关的模块导入到代码中,以便使用它们提供的各种函数和工具进行数组操作、数学计算和绘制图表等操作。这样可以极大地方便数据科学家、工程师和研究人员们对数据的处理和可视化工作。
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D
这段代码的作用是导入必要的Python库,其中包括NumPy,Matplotlib和mpl_toolkits.mplot3d。
NumPy是Python的一个开源数学库,用于处理大型多维数组和矩阵,以及用于数学函数的高级操作。
Matplotlib是一个用于创建高质量图表和可视化的Python库,可以生成各种类型的图表,包括线图、散点图、直方图等。
mpl_toolkits.mplot3d是Matplotlib中用于创建3D图形的工具包。其中,Axes3D是用于在2D平面上绘制3D图形的类。