如何基于Plotly在单个Figure对象中实现实时K线图更新？

你的问题出在每次循环都调用fig.show()——这个方法默认会创建新的渲染实例，导致不断弹出新窗口。要实现单个图表实时更新，推荐使用Plotly的FigureWidget，它支持在同一个窗口内动态更新数据，无需重复调用显示方法。

修改后的完整代码 #

import pandas as pd
import plotly.graph_objects as go
from datetime import datetime
from time import sleep
import random

# 初始化数据框
ohlc_data = pd.DataFrame(columns=["timestamp", "open", "high", "low", "close", "volume"])

# 用FigureWidget替代普通Figure，支持实时更新
fig = go.FigureWidget(data=[go.Candlestick(x=[], open=[], high=[], low=[], close=[])])
fig.update_layout(title=f'Live Candlestick Chart', xaxis_title='Time', yaxis_title='Price')

# 只需要显示一次图表
fig.show()

def update_live_chart(fig, df):
    # 直接更新trace的数据，FigureWidget会自动同步到已打开的图表
    fig.data[0].x = df['timestamp']
    fig.data[0].open = df['open']
    fig.data[0].high = df['high']
    fig.data[0].low = df['low']
    fig.data[0].close = df['close']

while True:
    sleep(1)
    # 生成新数据
    new_data = pd.DataFrame([{
        "timestamp": datetime.now(),  # 用datetime对象，图表时间显示更友好
        "open": random.randint(100, 110),
        "high": random.randint(100, 110),
        "low": random.randint(100, 110),
        "close": random.randint(100, 110),
        "volume": random.randint(100, 110)
    }])

    # 更新数据并保留最近100条
    ohlc_data = pd.concat([ohlc_data, new_data], ignore_index=True)
    ohlc_data = ohlc_data.tail(100)
    
    # 更新图表
    update_live_chart(fig, ohlc_data)

关键改动说明 #

1. 替换Figure为FigureWidget：这是实现实时更新的核心，FigureWidget是交互式组件，修改其数据会自动同步到已打开的图表窗口。
2. 只调用一次fig.show()：初始化后显示一次图表即可，后续更新无需重复调用。
3. 直接修改trace数据：在更新函数里直接赋值给fig.data[0]的各个字段，替代原有的update_traces（两种方式都可用，直接赋值更直观）。
4. 优化时间戳显示：把timestamp()改成datetime.now()，图表X轴会显示可读的时间格式，而非纯数字时间戳。

注意事项 #

• Jupyter环境中默认支持FigureWidget的交互式更新，无需额外配置。
• 桌面环境运行需确保安装Plotly的依赖后端（如ipywidgets），保证组件正常渲染。

内容的提问来源于stack exchange，提问作者shashashamti2008