Thonny不止能点灯！手把手教你用它的Shell窗口玩转Pico数据采集与可视化
当大多数人还在用Thonny给Raspberry Pi Pico点灯时，你可能已经错过了它最强大的功能——那个被忽视的Shell窗口。作为一款专为Python初学者设计的IDE，Thonny的Shell窗口远不止是一个简单的代码执行环境，它实际上是连接Pico与PC的实时数据通道。本文将带你解锁Thonny Shell的高级玩法，从基础配置到完整的数据采集与可视化项目，让你手中的Pico变身专业级数据采集器。
1. 为什么选择Thonny Shell进行Pico数据采集
在物联网原型开发中，数据采集与实时监控是核心需求。传统方法往往需要复杂的网络配置或额外的硬件，而Thonny Shell提供了一种零配置的解决方案。它内置的REPL（Read-Eval-Print Loop）环境可以直接与Pico交互，无需任何中间件。
Thonny Shell的三大优势：
- 实时双向通信：可以直接在Shell中发送命令并立即获取Pico的响应
- 无延迟数据传输：USB串口连接保证了数据的高速传输
- 内置Python环境：可以直接在PC端处理采集到的数据
与常见的串口工具相比，Thonny Shell的最大特点是它完全集成在开发环境中，你可以一边调试代码，一边监控数据，大大提高了开发效率。
2. 配置Thonny环境与Pico连接
2.1 基础环境准备
确保你已经安装了以下软件：
- Thonny IDE（建议使用最新版本）
- Raspberry Pi Pico的MicroPython固件
提示：在Thonny中，通过"工具"→"选项"→"解释器"选择MicroPython(Raspberry Pi Pico)作为解释器。
连接Pico到电脑后，你会在Thonny的Shell窗口看到类似如下的提示：
MicroPython v1.19.1 on 2022-06-18; Raspberry Pi Pico with RP2040 Type "help()" for more information. >>>这表明Pico已经成功连接并准备好接收命令。
2.2 Shell窗口高级配置
为了优化数据采集体验，建议进行以下配置调整：
增大Shell缓冲区大小：
- 进入"工具"→"选项"→"Shell"
- 将"最大行数"设置为1000或更高
启用自动换行：
- 在Shell窗口右键点击
- 选择"自动换行"
设置自定义快捷键：
- 在"工具"→"选项"→"键盘快捷键"中
- 为"执行当前行"设置方便的快捷键（如F9）
这些配置将大大提升长时间数据采集时的使用体验。
3. 构建Pico端数据采集系统
3.1 硬件连接与传感器配置
假设我们使用Pico的ADC引脚读取模拟传感器数据（如温度传感器），典型连接方式如下：
| Pico引脚 | 传感器连接 |
|---|---|
| 3V3 | VCC |
| GND | GND |
| GP26 | 信号输出 |
在Pico上创建一个简单的数据采集脚本data_collect.py：
from machine import ADC, Pin import time sensor = ADC(Pin(26)) conversion_factor = 3.3 / 65535 def read_sensor(): reading = sensor.read_u16() voltage = reading * conversion_factor return voltage while True: print(read_sensor()) time.sleep(1)这段代码会每秒读取一次传感器值并通过串口输出。
3.2 优化数据采集性能
为了提高数据采集的稳定性和效率，我们可以对代码进行以下优化：
- 增加异常处理：
try: while True: print(read_sensor()) time.sleep(1) except KeyboardInterrupt: print("Data collection stopped")- 添加时间戳：
import utime while True: print(f"{utime.ticks_ms()},{read_sensor()}") time.sleep(0.5)- 实现数据缓冲：
buffer = [] for _ in range(10): buffer.append(read_sensor()) time.sleep(0.1) print(",".join(map(str, buffer)))这些改进使得数据更适合后续分析和可视化处理。
4. PC端数据可视化与分析
4.1 实时数据捕获与处理
Thonny Shell的输出可以直接被Python脚本捕获和处理。我们可以使用一个简单的脚本将Shell输出重定向到可视化程序：
import matplotlib.pyplot as plt import numpy as np from thonny import get_shell shell = get_shell() data = [] def update_plot(): while True: line = shell.text.get("end-2l linestart", "end-2l lineend") try: value = float(line.strip()) data.append(value) if len(data) > 50: data.pop(0) plt.clf() plt.plot(data) plt.pause(0.1) except ValueError: pass update_plot()这段代码会实时捕获Shell中的传感器数据并绘制动态曲线图。
4.2 高级可视化技巧
对于更复杂的数据分析，我们可以使用Pandas和Matplotlib的组合：
import pandas as pd import matplotlib.pyplot as plt from io import StringIO # 从Shell复制粘贴数据到此处 data = """ 时间戳,值 12345678,1.23 12345683,1.25 12345688,1.22 """ df = pd.read_csv(StringIO(data)) df['时间'] = pd.to_datetime(df['时间戳'], unit='ms') df.set_index('时间', inplace=True) # 绘制带滚动平均的曲线 df['滚动平均'] = df['值'].rolling(window=5).mean() df.plot(figsize=(10,6)) plt.title('传感器数据趋势分析') plt.show()4.3 数据导出与报告生成
采集到的数据可以轻松导出为CSV文件：
import csv from datetime import datetime with open('sensor_data.csv', 'a', newline='') as f: writer = csv.writer(f) writer.writerow([datetime.now().isoformat(), read_sensor()])或者生成完整的HTML报告：
from matplotlib import pyplot as plt import mpld3 fig, ax = plt.subplots() ax.plot(data) html = mpld3.fig_to_html(fig) with open("report.html", "w") as f: f.write(html)5. 项目实战：环境监测系统
让我们将这些技术整合成一个完整的项目——基于Pico的简易环境监测系统。
5.1 系统架构
硬件组件：
- Raspberry Pi Pico
- 温度传感器（如LM35）
- 光敏电阻
- 按钮（用于控制）
软件流程：
- Pico持续采集传感器数据
- 通过Thonny Shell传输到PC
- PC端Python脚本实时处理和可视化
- 数据存储到CSV文件
- 异常检测和警报
5.2 Pico端完整代码
from machine import ADC, Pin import utime import ujson sensors = { 'temp': ADC(Pin(26)), 'light': ADC(Pin(27)) } button = Pin(15, Pin.IN, Pin.PULL_UP) def read_all(): return { 'timestamp': utime.ticks_ms(), 'temp': sensors['temp'].read_u16() * 3.3 / 65535, 'light': sensors['light'].read_u16() / 65535 } while True: if not button.value(): data = read_all() print(ujson.dumps(data)) utime.sleep(0.5)5.3 PC端监控脚本
import json import matplotlib.pyplot as plt from collections import deque from thonny import get_shell shell = get_shell() history = deque(maxlen=100) fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 6)) while True: line = shell.text.get("end-2l linestart", "end-2l lineend") try: data = json.loads(line.strip()) history.append(data) timestamps = [d['timestamp'] for d in history] temps = [d['temp'] for d in history] lights = [d['light'] for d in history] ax1.clear() ax1.plot(timestamps, temps, 'r-') ax1.set_ylabel('Temperature (V)') ax2.clear() ax2.plot(timestamps, lights, 'b-') ax2.set_ylabel('Light Intensity') plt.pause(0.1) except ValueError: pass这个系统可以轻松扩展更多传感器和功能，如阈值报警、数据持久化等。
