在Matlab使用Plot函式實現資料動態顯示方法總結中介紹了兩種實現即時資料動態顯示的方法。考慮到使用python的人群日益增多，再加上本人最近想使用python動態顯示即時的資料，網上方法很少，故總結於此。本人主要在jupyter notebook作為互動式的python執行環境，但考慮不使用jupyter notebook的情況。所以下面主要分成針對jupyter notebook環境的增量式資料動態顯示方法，與通用的（jupyter notebook 與非juypter notebook都適用）方法兩大類。先介紹通用的方法，後介紹針對jupyter notebook的方法。

1. 通用的方法

1.1 需要儲存歷史資料

示例程式碼1-1

import matplotlib.pyplot as plt
import numpy as np
import time
from math import *

plt.ion() #開啟interactive mode 成功的關鍵函式
plt.figure(1)
t = [0]
t_now = 0
m = [sin(t_now)]

for i in range(2000):
	plt.clf() #清空畫布上的所有內容
    t_now = i*0.1
    t.append(t_now)#模擬資料增量流入，儲存歷史資料
    m.append(sin(t_now))#模擬資料增量流入，儲存歷史資料
    plt.plot(t,m,'-r')
    plt.draw()#注意此函式需要呼叫
    time.sleep(0.01)
 

1.2 無需儲存資料

示例程式碼1-2

import matplotlib.pyplot as plt
import numpy as np
import time
from math import *

plt.ion() #開啟interactive mode 成功的關鍵函式
plt.figure(1)
t = [0]
t_now = 0
m = [sin(t_now)]

for i in range(2000):
	# plt.clf() # 清空畫布上的所有內容。此處不能呼叫此函式，不然之前畫出的點，將會被清空。
    t_now = i*0.1
    """
    由於第次只畫一個點，所以此處有兩種方式，第一種plot函式中的樣式選
    為點'.'、'o'、'*'都可以，就是不能為線段'-'。因為一條線段需要兩
    個點才能確定。第二種方法是scatter函式，也即畫點。
    """
    plt.plot(t_now,sin(t_now),'.') # 第次對畫布新增一個點，覆蓋式的。
    # plt.scatter(t_now, sin(t_now)) 

    plt.draw()#注意此函式需要呼叫
    time.sleep(0.01)
 

1.3 無需儲存資料（進階版）

以上是動態的顯示一個函式，也即直觀上一條軌跡不斷的延伸。這是一種應用，另一種應用是在一張畫布上增量式的畫多條軌跡（函式）。

示例程式碼1-3

import matplotlib.pyplot as plt
import numpy as np
import time
from math import *
 
plt.ion() #開啟interactive mode 成功的關鍵函式
plt.figure(1)
t = np.linspace(0, 20, 100)


 
for i in range(20):
	# plt.clf() # 清空畫布上的所有內容。此處不能呼叫此函式，不然之前畫出的軌跡，將會被清空。
    y = np.sin(t*i/10.0)
    plt.plot(t, y) # 一條軌跡
    plt.draw()#注意此函式需要呼叫
    time.sleep(1)

Jupyter notebook版本

也對應三種應用：需要儲存歷史資料，無需儲存歷史資料，無需儲存歷史資料進階版。

注意：在Jupyter notebook中顯示python的畫圖程式時，需要新增%matplotlib inline，但是身邊有人執行本部落格中的程式時會出現無法正常顯示動態圖片的情況，並且本人在自己電腦windows 10環境下(python 3.6）執行本文中動態顯示圖片的程式時，也會出現上述情況。出現該情況，只需要將程式中出現的所有inline改為qt5,例如%matplotlib inline改為%matplotlib qt5，以及is_ipython = 'inline' in matplotlib.get_backend()改為is_ipython = 'qt5' in matplotlib.get_backend()即可。基於QT的圖形顯示介面會跳出jupyter notebook顯示動態圖，而且會多出許多可選的按鈕。大家可以自行探索。建議大家，先執行本文的程式，如果不成功，再做此改變。因為，原本inline成功的，改為qt5後，可能反而不成功。

2.1 需要儲存歷史資料

示例程式碼2-1

上面的方式，可以在跳出的畫圖面板內動態顯示，但是如果想在jupyter notebook中直接動態顯示，上面的方法將無效。因此，補上在jupyter notebook中可行的動態顯示示例程式。以供舉一反三之用。

import math
import random
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline

# set up matplotlib
is_ipython = 'inline' in matplotlib.get_backend()
if is_ipython:
    from IPython import display

plt.ion()

def plot_durations(y):
    plt.figure(2)
    plt.clf()
    plt.subplot(211)
    plt.plot(y[:,0])
    plt.subplot(212)
    plt.plot(y[:,1])

    plt.pause(0.001)  # pause a bit so that plots are updated
    if is_ipython:
        display.clear_output(wait=True)
        display.display(plt.gcf())
        
x = np.linspace(-10,10,500)
y = []
for i in range(len(x)):
    y1 = np.cos(i/(3*3.14))
    y2 = np.sin(i/(3*3.14))
    y.append(np.array([y1,y2])) #儲存歷史資料
    plot_durations(np.array(y))

2.2 無需儲存歷史資料

示例程式碼2-2

import math
import random
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline

# set up matplotlib
is_ipython = 'inline' in matplotlib.get_backend()
if is_ipython:
    from IPython import display

plt.ion()

def plot_durations(i, y1, y2):
    plt.figure(2)
#     plt.clf() 此時不能呼叫此函式，不然之前的點將被清空。
    plt.subplot(211)
    plt.plot(i, y1, '.')
    plt.subplot(212)
    plt.plot(i, y2, '.')

    plt.pause(0.001)  # pause a bit so that plots are updated
    if is_ipython:
        display.clear_output(wait=True)
        display.display(plt.gcf())
        
x = np.linspace(-10,10,500)
y = []
for i in range(len(x)):
    y1 = np.cos(i/(3*3.14))
    y2 = np.sin(i/(3*3.14))
#     y.append(np.array([y1,y2])) #儲存歷史資料
    plot_durations(i, y1, y2)

2.3 無需儲存歷史資料（進階版）

示例程式碼2-3

import math
import random
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline

# set up matplotlib
is_ipython = 'inline' in matplotlib.get_backend()
if is_ipython:
    from IPython import display

plt.ion()

def plot_durations(y1, y2):
    plt.figure(2)
#     plt.clf()
    plt.subplot(211)
    plt.plot(x, y1)
    plt.subplot(212)
    plt.plot(x, y2)

    plt.pause(0.001)  # pause a bit so that plots are updated
    if is_ipython:
        display.clear_output(wait=True)
        display.display(plt.gcf())



x = np.linspace(-10,10,500)
for i in range(100):
    y1 = np.cos(x*i/(3*3.14))
    y2 = np.sin(x*i/(3*3.14))
    plot_durations(y1, y2)