4、Matplotlib动画入门：FuncAnimation基础、更新函数的设计、实时折线图的绘制

好，咱们进入正题。前面几章我们把数据采集的管道搭好了，数据源源不断地进来。但数据是死的，你得让它动起来，才能看出趋势、发现异常。说白了，我们要给数据装上「轮子」——让图表自己跑起来。

Matplotlib 的 FuncAnimation 就是干这个活的。我最早接触它是在做一个传感器监控项目，数据每秒来一次，一开始我用定时器手动刷新画布，结果界面卡得不行。后来换成 FuncAnimation，流畅度直接起飞。嗯，这玩意儿值得好好讲讲。

4.1 FuncAnimation 的基本用法

先看一个最简单的例子。假设我们有一个正弦波，让它从左往右滚动起来。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 准备画布和轴
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = ax.plot([], [], 'b-', lw=2)

# 初始化函数：清空数据，设置坐标轴范围
def init():
    ax.set_xlim(0, 2*np.pi)
    ax.set_ylim(-1.5, 1.5)
    return ln,

# 更新函数：每帧调用一次
def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,

# 创建动画
ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 100),
                    init_func=init, blit=True, interval=50)

plt.show()

这段代码里，FuncAnimation 接收几个关键参数：

• fig：画布对象，动画要画在哪
• func：更新函数，每帧都会调用它
• frames：帧序列，可以是列表、生成器或整数
• init_func：初始化函数，只在动画开始时调用一次
• blit：是否只重绘变化的部分，设为 True 能大幅提升性能
• interval：帧间隔，单位毫秒，默认 200

4.2 更新函数的设计要点

更新函数是动画的灵魂。它接收一个参数 frame（当前帧的索引或值），然后修改图形对象的数据。设计更新函数时，有几个坑需要避开。

4.2.1 返回值必须是一个可迭代对象

更新函数必须返回一个包含所有被修改图形对象的元组或列表。哪怕只改了一个线条，也要写成 return ln,（注意逗号）。

为什么？因为 blit 模式需要知道哪些对象变了，只重绘这些对象。如果你返回空或者不返回，动画会报错或者不更新。

4.2.2 不要用全局变量管理数据

我见过不少新手把数据存在全局列表里，然后在更新函数里 append。这在简单 demo 里没问题，但项目一复杂就容易出问题——多个动画实例会互相污染数据。

更好的做法是把数据挂在图形对象上，或者用闭包封装：

def make_update(ax, max_points=100):
    xdata, ydata = [], []
    line, = ax.plot([], [], 'r-')

    def update(frame):
        xdata.append(frame)
        ydata.append(np.sin(frame * 0.1))
        # 限制数据点数量，防止内存爆炸
        if len(xdata) > max_points:
            xdata.pop(0)
            ydata.pop(0)
        line.set_data(xdata, ydata)
        ax.set_xlim(xdata[0], xdata[-1])  # 自动滚动 x 轴
        return line,

    return update

这样每个动画实例都有自己的数据副本，互不干扰。

4.2.3 控制数据量，防止内存泄漏

实时数据采集是源源不断的。如果不限制数据点数量，列表会无限增长，最终撑爆内存。我建议在更新函数里加一个上限判断，超过后丢弃旧数据。上面代码里的 max_points 就是干这个的。

4.3 实时折线图的完整实现

把上面这些知识点串起来，我们做一个完整的实时折线图。模拟一个温度传感器，每 100ms 产生一个新数据点。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 模拟数据生成器
class DataSource:
    def __init__(self, base_temp=25.0, noise=0.5):
        self.base_temp = base_temp
        self.noise = noise
        self.t = 0

    def read(self):
        self.t += 0.1
        value = self.base_temp + np.sin(self.t) * 2 + np.random.randn() * self.noise
        return self.t, value

# 初始化画布
fig, ax = plt.subplots(figsize=(10, 5))
ax.set_title('实时温度监控', fontsize=14)
ax.set_xlabel('时间 (s)')
ax.set_ylabel('温度 (°C)')
ax.grid(True, alpha=0.3)

# 数据容器
times, temps = [], []
line, = ax.plot([], [], 'b-', lw=2, label='温度')
ax.legend(loc='upper right')

# 初始化
def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(20, 30)
    return line,

# 更新函数
source = DataSource()
def update(frame):
    t, v = source.read()
    times.append(t)
    temps.append(v)

    # 只保留最近 100 个点
    if len(times) > 100:
        times.pop(0)
        temps.pop(0)

    line.set_data(times, temps)

    # 动态调整 x 轴范围
    if len(times) > 1:
        ax.set_xlim(times[0], times[-1] + 1)

    return line,

# 创建动画
ani = FuncAnimation(fig, update, frames=None,
                    init_func=init, blit=True, interval=100, cache_frame_data=False)

plt.tight_layout()
plt.show()

注意这里 frames=None，表示我们不提供帧序列，而是由 interval 控制刷新频率。更新函数里的 frame 参数虽然传进来了，但我们没用它——数据来自外部数据源。

4.4 知识体系总览

下面这张图把 FuncAnimation 的核心流程和关键决策点串起来了。建议你保存下来，写代码时对照着看。

4.5 性能优化小贴士

最后分享几个实战中总结出来的优化技巧：

场景	建议	原因
数据点超过 1000	启用 blit=True，并限制显示点数	避免每帧重绘全部图形
帧率要求高（<50ms）	使用 cache_frame_data=False	减少内存拷贝开销
多子图动画	每个子图单独管理数据，统一返回	保持更新函数的清晰性
数据源不稳定	在更新函数内加 try-except	防止单次异常导致动画崩溃