如何基于NumPy数组制作温度分布随时间演化的折线图动画？

针对你的需求——逐帧展示每个时间点的温度分布曲线，每帧停留0.1秒，这里提供两种Matplotlib实现方案，其中FuncAnimation更适配你57601个时间点的大数据量场景。

方法1：用FuncAnimation实现高效动画（推荐） #

这种方式仅更新曲线数据而非重绘整个画布，流畅度更高，适合大规模时间序列：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 创建示例数据（4个节点，5个时间点）
T1 = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
T2 = T1**2
T3 = T1**3
T4 = T1**4
T = np.stack((T1, T2, T3, T4))
position = np.array([0, 2, 4, 6])
time_points = np.arange(0, 50, 10)  # 对应每个时间点的标签（单位：秒）

# 初始化画布与坐标轴
fig, ax = plt.subplots()
ax.set_xlabel('Position (mm)')
ax.set_ylabel('Temperature (C)')
ax.set_title('Temperature Distribution Over Time')
# 固定坐标轴范围，避免画面跳动（根据真实数据调整上下限）
ax.set_xlim(position.min(), position.max())
ax.set_ylim(T.min() - 0.5, T.max() + 0.5)

# 创建初始曲线和时间标签
line, = ax.plot(position, T[:, 0], marker='o')
time_text = ax.text(0.02, 0.95, '', transform=ax.transAxes)

# 定义每帧更新逻辑
def update(frame):
    # 更新当前时间点的温度曲线
    line.set_ydata(T[:, frame])
    # 更新画面上的时间标签
    time_text.set_text(f'Time: {time_points[frame]}s')
    return line, time_text

# 生成动画：frames是总时间点数，interval是每帧停留毫秒数（0.1秒=100毫秒）
ani = FuncAnimation(fig, update, frames=T.shape[1], interval=100, blit=True)

plt.show()

关键说明 #

• blit=True：仅更新画面中变化的部分，大幅提升动画流畅度，尤其适合你的57601帧数据
• 提前设置xlim和ylim：避免每帧画面因数据范围变化而跳动，需根据真实温度数据的极值调整
• frames=T.shape[1]：自动遍历所有时间点，无需手动循环

方法2：逐帧清除重绘（适合小数据测试） #

如果只是小数据量测试，也可以用这种直观的逐帧重绘方式，但大数据量下性能会打折扣：

import numpy as np
import matplotlib.pyplot as plt
import time

# 创建示例数据
T1 = np.array([1.1, 1.2, 1.3, 1.4, 1.5])
T2 = T1**2
T3 = T1**3
T4 = T1**4
T = np.stack((T1, T2, T3, T4))
position = np.array([0, 2, 4, 6])
time_points = np.arange(0, 50, 10)

fig, ax = plt.subplots()
ax.set_xlim(position.min(), position.max())
ax.set_ylim(T.min() - 0.5, T.max() + 0.5)

for i in range(T.shape[1]):
    ax.clear()
    ax.plot(position, T[:, i], marker='o')
    ax.set_title(f'Temperature at {time_points[i]}s')
    ax.set_xlabel('Position (mm)')
    ax.set_ylabel('Temperature (C)')
    ax.set_xlim(position.min(), position.max())
    ax.set_ylim(T.min() - 0.5, T.max() + 0.5)
    plt.pause(0.1)  # 每帧停留0.1秒
    time.sleep(0)  # 降低CPU占用

plt.show()

适配真实数据的步骤 #

1. 替换示例中的T为你形状为(39, 57601)的真实温度数组
2. 替换position为你的39个节点位置数组
3. 生成真实时间标签：如果每个时间点间隔为Δt秒，可写time_points = np.arange(0, 57601*Δt, Δt)
4. 调整ax.set_ylim()的范围，用真实温度数据的最小值和最大值设置，比如ax.set_ylim(T.min() - 1, T.max() + 1)

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