本文介绍如何在 matplotlib 实时交互绘图中避免重复绘制导致的残留线条问题，通过保存绘图对象引用并调用 `set_data()` 方法动态更新红线与红点，确保每次按键响应后仅显示最新状态。
在使用 Matplotlib 构建教学型动态可视化（如极限概念演示）时，一个常见误区是：在循环中反复调用 plt.plot() 会不断创建新图形对象，而非更新原有元素——这会导致初始红线持续叠加、视觉混乱，无法清晰呈现“两点趋近”的数学过程。
正确做法是获取首次绘图返回的对象引用，并在后续更新中复用这些对象，通过 .set_data() 修改其坐标数据。以下是关键实践要点：
✅ 第一步：保存绘图对象引用
plt.plot() 返回一个包含 Line2D 对象的列表，需解包获取可操作实例：
red_line = plt.plot([pax, pbx], [pay, pby], 'r-')[0] # 红线 pa = plt.plot(pax, pay, 'ro')[0] # 左红点 pb = plt.plot(pbx, pby, 'ro')[0] # 右红点
✅ 第二步：动态更新而非重绘
在 while 循环中，不再调用 plt.plot()，而是直接更新数据：
red_line.set_data([pax, pbx], [pay, pby]) pa.set_data(pax, pay) pb.set_data(pbx, pby)
配合 plt.xlim() 和 plt.ylim() 同步缩放坐标轴范围，即可实现平滑、无残留的动画效果。
⚠️ 注意事项
- 避免使用 plt.cla() 或 plt.clf() 全局清空——这会删除函数曲线、切线等所有静态元素；
- 推荐启用交互后端（如 %matplotlib widget 或 %matplotlib qt），提升实时响应体验；
- 若使用 keyboard 模块，请确保其在目标平台（尤其是 Linux/macOS）上已正确安装并具备权限；
- 初始 num=150 导致 pax=0, pbx=300 跨度过大，建议设为更合理的初值（如 num=50），使起始红线更具教学可视性。
通过这种“对象引用 + 数据更新”模式，您不仅能彻底消除初始红线残留，还能为后续扩展（如添加轨迹记录、速度控制、多键响应）打下坚实基础——让数学直觉真正跃然“图”上。
