本文讲解如何修正 matplotlib 实时绘图中“每次新数据都弹出新窗口”的常见错误，核心是将 `plt.figure()` 和绘图对象初始化移出循环，并结合 `funcanimation` 正确复用同一图表，实现高效、流畅的压力数据动态可视化。
在使用 Matplotlib 进行实时 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.plot()——这会导致每轮迭代都新建一个 Figure 窗口，最终堆积大量独立图表，不仅卡顿，还完全违背“动态更新”初衷。
你的原始代码中，关键问题正出现在 while 循环内部：
while (cmd != "shutdown"): # …… 数据接收与解析 …… x_data, y_data = [], [] # ❌ 每次清空数据 → 图表无法累积 figure = pyplot.figure() # ❌ 每次新建 Figure → 弹出新窗口！line, = pyplot.plot_date(x_data, y_data, '-') def update(frame): # ❌ 定义在循环内，且未正确绑定数据生命周期 x_data.append(datetime.now()) y_data.append(response4) # ……✅ 正确做法是：只初始化一次 Figure 和 Line 对象，在循环外完成；所有更新逻辑交由 FuncAnimation 统一驱动。以下是优化后的完整可运行示例（已精简冗余导入，修复逻辑漏洞）：
import socket import time import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation from datetime import datetime # === 配置区 === target_host = "10.1.2.121" target_port = 50 cmd = "?VPr" # 注意：命令末尾已含 r，无需额外拼接 # === TCP 连接 === try: client = socket.socket(socket.AF_INET, socket.SOCK_STREAM) client.connect((target_host, target_port)) print("✅ Socket connected to", target_host) except socket.error as e: print("❌ Connection failed:", e) exit(1) # === Matplotlib 初始化（关键！必须在循环外）=== plt.yscale('symlog') plt.grid(True) plt.title("Real-time Vacuum Pressure") plt.xlabel("Time") plt.ylabel("Pressure (Torr)") # 创建 figure 和 line 对象（仅一次）fig, ax = plt.subplots() line, = ax.plot_date([], [], '-', label="Pressure") ax.legend() ax.ticklabel_format(axis='y', style='sci', scilimits=(0,0)) # 数据容器（在闭包或全局作用域中维护）x_data, y_data = [], [] # === 动画更新函数 === 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" → 提取数值部分 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) # 刷新绘图 line.set_data(x_data, y_data) ax.relim() # 重设坐标轴范围 ax.autoscale_view() # 自动缩放 return line, except Exception as e: print("⚠️ Data read error:", e) return line, # === 启动动画（interval 单位：毫秒）=== ani = FuncAnimation(fig, update, interval=500, blit=False, cache_frame_data=False) # 显示图形（阻塞式，保持窗口活跃）plt.show() # === 清理连接（退出时执行）=== client.close() print("? Connection closed.")? 关键改进说明：
- ✅ Figure & Line 初始化移出循环：fig, ax = plt.subplots() 和 line, = ax.plot_date(…) 仅执行一次，确保所有更新复用同一画布；
- ✅ 数据容器全局化：x_data 和 y_data 在 update() 外定义，避免每次清空，支持时间序列累积；
- ✅ FuncAnimation 替代手动循环绘图 ：由 Matplotlib 内部定时器 驱动更新，线程安全且性能更优；
- ✅ 异常防护增强：网络异常不中断主流程，仅打印警告；
- ✅ 内存友好设计：通过 pop(0) 限制历史数据长度，防止长时间运行后内存暴涨；
- ✅ 坐标轴自动适配：relim() + autoscale_view() 确保新数据始终可见。
⚠️ 注意事项：
- 若需更高频率更新（如
- TCP 命令需严格遵循设备协议（注意 r/n、超时设置、缓冲区清空），建议添加 client.settimeout(2)；
- 生产环境应使用 threading 或 asyncio 解耦通信与绘图，避免 recv() 阻塞导致动画卡顿。
通过以上重构，你的真空压力曲线将稳定运行在一个窗口中，平滑滚动、实时响应——这才是工业级数据监控应有的表现。
