### 使用 Python 实现实时更新绘制曲线 对于实时更新绘制曲线的需求，`matplotlib` 和 `pyqtgraph` 是两个常用的库。以下是两种方式的具体实现。 #### 方法一：基于 Matplotlib 的实时更新绘制 通过使用 `FuncAnimation` 类来创建动画效果，从而达到实时更新的效果[^1]： ```python import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation import numpy as np fig, ax = plt.subplots() x_data, y_data = [], [] line, = ax.plot([], []) def init(): ax.set_xlim(0, 2*np.pi) ax.set_ylim(-1, 1) return line, def update(frame): x_data.append(frame) y_data.append(np.sin(frame)) line.set_data(x_data, y_data) return line, ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128), init_func=init, blit=True) plt.show() ``` 此段代码展示了如何利用 `FuncAnimation` 来动态展示正弦波形的变化过程。 #### 方法二：采用 PyQtGraph 进行高效实时绘图 PyQtGraph 提供了更高效的性能，在处理大量数据点或高频率刷新场景下表现优异[^4]: ```python import pyqtgraph as pg from pyqtgraph.Qt import QtCore, QtGui import numpy as np app = QtGui.QApplication([]) win = pg.GraphicsLayoutWidget(show=True, title="Real-time plot using PyQtGraph") p = win.addPlot(title='Dynamic Updating') curve = p.plot(pen='y') data_x = np.array([]) data_y = np.array([]) def update_plot(): global data_x, data_y new_point = np.random.normal(size=(1,)) data_x = np.append(data_x[-99:], [len(data_x)]) data_y = np.append(data_y[-99:], new_point) curve.setData(data_x, data_y) timer = QtCore.QTimer() timer.timeout.connect(update_plot) timer.start(50) # 更新间隔时间(ms) if __name__ == '__main__': import sys if (sys.flags.interactive != 1) or not hasattr(QtCore, 'PYQT_VERSION'): QtGui.QApplication.instance().exec_() ``` 上述例子中，程序会每隔一定周期向图表添加新的随机数作为新样本，并移除最早的数据点以保持固定数量的显示窗口大小。