本文详解如何修正 matplotlib 实时绘图中“每次新数据弹出一个新窗口”的常见错误，核心是将图形对象（figure）和绘图元素（axes、line）的初始化移出循环，并结合 `funcanimation` 正确复用画布进行动态更新。
在使用 Matplotlib 实现实时数据可视化（如真空腔压力监测）时，一个典型误区是：在数据采集循环内反复调用 plt.figure() 或 pyplot.figure()。这会导致每次迭代都新建一个 Figure 窗口，最终界面堆满冗余图表，既卡顿又无法形成连续曲线。
你的原始代码中，关键问题出现在 while 循环内部：
while (cmd != "shutdown"):
# ... 数据获取逻辑 ...
x_data, y_data = [], [] # ❌ 每次清空数据 → 曲线被重置
figure = pyplot.figure() # ❌ 每次新建窗口 → 弹出新图！
line, = pyplot.plot_date(x_data, y_data, '-')
def update(frame): # ⚠️ 函数定义在循环内，作用域混乱且低效
x_data.append(...)
y_data.append(...)
line.set_data(x_data, y_data)
# ...
anim = animation.FuncAnimation(figure, update, ...)这种写法违背了动画机制的设计原则：FuncAnimation 本意是复用同一张画布，持续更新其内容，而非为每一帧重建整个图形系统。
✅ 正确做法是「一次创建，持续更新」：
- 图形初始化必须放在循环外部：包括 plt.figure()、ax = fig.add_subplot()、line, = ax.plot(...)；
- 数据容器（如 x_data, y_data）也应提前声明，并在 update() 中追加，而非每次清空；
- 避免在循环中重复定义函数或启动动画：FuncAnimation 只需初始化一次；
- 启用交互模式并合理刷新：plt.ion() 配合 fig.canvas.flush_events() 可选，但 FuncAnimation 已内置定时刷新逻辑。
以下是修复后的精简可运行示例（适配你的真空压力场景）：
import socket
import time
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from datetime import datetime
# --- 1. TCP 连接初始化（略去异常处理以聚焦绘图逻辑）---
client = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
client.connect(("10.1.2.121", 50))
cmd = "?VP\r"
# --- 2. Matplotlib 图形一次性初始化（关键！）---
plt.yscale('symlog')
fig, ax = plt.subplots(figsize=(10, 6))
line, = ax.plot([], [], 'b-', linewidth=2, label="Vacuum Pressure")
ax.grid(True)
ax.set_xlabel("Time")
ax.set_ylabel("Pressure (Torr)")
ax.legend()
ax.ticklabel_format(axis='y', style='sci', scilimits=(0,0))
# --- 3. 全局数据容器 ---
x_data, y_data = [], []
# --- 4. 动画更新函数（接收 frame 参数，由 FuncAnimation 自动调用）---
def update(frame):
try:
# 发送命令并解析响应
client.send(cmd.encode('ascii'))
response = client.recv(1024).decode('ascii').strip()
# 示例响应: "VP:3.58E-7" → 提取数值
if response.startswith("VP:"):
val_str = response[3:].replace("E", "e")
pressure = float(val_str)
# 更新数据
x_data.append(datetime.now())
y_data.append(pressure)
# 限制显示点数（可选，防内存溢出）
if len(x_data) > 200:
x_data.pop(0)
y_data.pop(0)
# 更新线条数据
line.set_data(x_data, y_data)
ax.relim() # 重算坐标轴范围
ax.autoscale_view() # 自动缩放视图
except Exception as e:
print(f"Data fetch error: {e}")
return line,
# --- 5. 启动动画（仅执行一次！）---
ani = FuncAnimation(
fig,
update,
interval=500, # 每500ms更新一次
cache_frame_data=False,
blit=False # 因使用 autoscale_view，设为 False 更稳妥
)
plt.show() # 阻塞式显示，保持窗口活跃
# 注意：程序退出时建议关闭 socket
# client.close()? 关键注意事项：
- 不要在 update() 中调用 plt.show() 或 pyplot.figure() —— 这会破坏动画上下文；
- 若需长期运行，建议添加超时机制与连接保活逻辑；
- 对于高频数据（>10Hz），考虑使用 blit=True + ax.draw_artist() 提升性能，但需手动管理背景缓存；
- FuncAnimation 默认后台线程运行，确保主线程不退出（plt.show() 已满足）。
通过以上重构，你的压力曲线将稳定显示在唯一窗口中平滑滚动更新，真正实现专业级实时监控效果。
