这方面很多人没接触过，所以我们先讲背景，再说说其他博客的情况，接着才是上效果图与代码，最后解析。

五年前，我接触到一个项目，本想用matplotlib做不断迭代的数据的监控，但是没有成功，折线图更新速度很慢，转而使用pyqtgraph库来实现数据的快速更新。

这次的切入点是matplotlib的animation模块，该模块一般会被用来做动画演示。各个论坛上讲解该模块时使用的例子往往是构造一个横坐标x的序列，再写出一个f(x)，使用动画模块将x快速更新，生成不同的y=f(x)，高速刷新窗口中的点(x,y)，其中写的比较好的是Python+Matplotlib制作动画。

但显然，动画的长度是有限的，函数是确定的。而物联网数据监控的数据长度是无限的，函数可能有，也可能没有，本着有问题找文档的原则，我查到了官方示波器满足我们的需求。本文会对例程做一些简化，加些注释，讲解如何通过animation将实时数据以高刷新率显示到界面上。

import numpy as np
from matplotlib.lines import Line2D
import matplotlib.pyplot as plt
import matplotlib.animation as animation

class Scope:
    def __init__(self, ax):
        #导入一个坐标系
        self.ax = ax
        #确定t与y的初始值
        self.tdata = [0]
        self.ydata = [0]
        #以t为横坐标，以y为纵坐标画2D折线图
        self.line = Line2D(self.tdata, self.ydata)
        #将折线图导入坐标系中
        self.ax.add_line(self.line)


    def update(self, y):
        #t每时每刻都在增加，为了使曲线完整，
        #需要在每次数据更新时重新设置xlim，并更新
        self.maxt=self.tdata[-1]+1
        self.ax.set_xlim(0, self.maxt)
        #重绘子图画布，使坐标轴的改变生效
        #绘图程序很浪费时间，最好不要在update里加入其他绘图函数
        #大家可以尝试隐藏这段代码对比速度
        self.ax.figure.canvas.draw()

        #将新的t与y放到数列中，重写折线数值
        self.tdata.append(self.maxt)
        self.ydata.append(y)
        self.line.set_data(self.tdata,self.ydata)

        #返回被更新的折线
        return self.line,

#构造生成器，每次被调用都会产生一个随机值
#这个随机值可以用各种设备输出值来替代
def emitter():
    while True:
        yield np.random.rand(1)

#生成一个包含子图的figure，并返回figure，axes元组
fig, ax = plt.subplots()
#使用ax作为被不断更新的坐标系
scope = Scope(ax)

# 使用动画模块，图像为fig保持不变（可以简单地认为是背景），
# 每过一个interval（ms），会调用一次生成器emitter，并将生成的值传入scope.update中
# scope.update会返回一条新的折线，该模块会将新的折线绘制在图像中并显示出来。
# blit用来开启某种动画的渲染
ani = animation.FuncAnimation(fig, scope.update, emitter, interval=10,
                              blit=True)

#制作gif
#ani.save('test.gif',writer='pillow',fps=10)

plt.show()

Emmm，其实该说的都已经写在备注里了，如果您对yield，生成器等相关概念有疑惑，请尝试努力学习这方面内容。需要注意的是，之所以动画更新速度很快，是因为动画只更新图像的一小部分内容。如果在upadte（）中加入self.ax.figure.canvas.draw()等函数来更新图像的其他部分，会增加很大的时间消耗，所以无特别需求，请勿添加。

matplotlib动画可以应用在很多地方，掌握了动画的核心要点，就可以让自己的演示图片骚到飞起。下图为动画在机器学习可视化方面的应用。