Matplotlib默认不支持真正交互式动态折线图；轻量悬停用mplcursors，实时刷新用FuncAnimation，复杂交互推荐Plotly或Bokeh替代。
Matplotlib本身不支持交互式动态折线图
直接用 matplotlib.pyplot 画出来的图默认是静态的，哪怕你用 plt.ion() 或循环调用 plt.plot()，也只是不断刷新窗口——没有缩放、拖拽、悬停、点击等交互能力，也不适合实时数据流。真正要“交互+动态”，得靠其他方案协同。
用matplotlib + mplcursors实现悬停提示
如果你只需要在静态图上加鼠标悬停显示坐标或标签（比如查看某点的精确值），mplcursors 是最轻量的选择，不改绘图逻辑，几行就能加：
import matplotlib.pyplot as plt
import mplcursors
import numpy as np
<p>x = np.linspace(0, 10, 100)
y = np.sin(x)</p><p>fig, ax = plt.subplots()
ax.plot(x, y, 'b-')
cursor = mplcursors.cursor(ax, hover=True)
cursor.connect("add", lambda sel: sel.annotation.set_text(
f"x={sel.target[0]:.2f}\ny={sel.target[1]:.3f}"
))
plt.show()注意：mplcursors 依赖后端支持 GUI（如 TkAgg），在 Jupyter 中需先运行 %matplotlib widget（不是 inline）；导出为 PNG 会丢失交互效果。
用matplotlib + FuncAnimation做实时刷新动画
适用于传感器数据、模拟时序更新等场景，核心是用 matplotlib.animation.FuncAnimation 控制重绘节奏：
立即学习“Python免费学习笔记（深入）”；
-
init_func设定初始空图，避免每次重绘都新建对象 -
frames参数别传大数组，改用生成器或计数器，否则内存暴涨 - 调用
line.set_data()而非重复ax.plot()，否则图例、刻度会叠加错乱 - 设置
blit=True可大幅提升性能，但要求所有元素（如网格、标题）在init_func中已绘制且不变更
示例中只更新曲线数据，不重绘坐标轴：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
<p>fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = ax.plot([], [], 'r-')</p><p>def init():
ax.set_xlim(0, 10)
ax.set_ylim(-1.2, 1.2)
return ln,</p><p>def update(frame):
xdata.append(frame)
ydata.append(np.sin(frame))</p><h1>只保留最近100个点，防内存溢出</h1><pre class='brush:python;toolbar:false;'>if len(xdata) > 100:
xdata.pop(0)
ydata.pop(0)
ln.set_data(xdata, ydata)
return ln,ani = FuncAnimation(fig, update, frames=np.linspace(0, 10, 200), init_func=init, blit=True, interval=50) plt.show()
真交互推荐用Plotly或Bokeh替代
如果需求明确包含“缩放/平移/导出/多图联动/服务端部署”，硬套 Matplotlib 会反复踩坑：比如 FuncAnimation 在 Web 环境无法运行，mplcursors 不支持点击事件，Qt 后端打包成 exe 后交互失效等。
更实际的做法是切换工具链：
- 本地快速验证 → 用
plotly.express.line()+interactive=True，一行启用缩放和悬停 - 嵌入 Flask/Django → 用
plotly.graph_objects.Figure输出to_html(full_html=False)片段 - 需要复杂回调（如点击某点触发计算）→ 选
bokeh，它的CustomJS和服务器端on_change更可控
Matplotlib 的定位是出版级静态图，它的“动态”本质是逐帧替换，“交互”本质是 GUI 事件钩子——两者都脆弱且边界模糊。实际项目里，该换就换，别卡在“必须用 matplotlib”的假设里。
