Matplotlib实时绘图：需在独立循环中更新仪器采集的数据

你的问题核心在于Matplotlib的事件循环被阻塞了，我来一步步给你拆解原因和解决方案：

为什么修改后的代码不工作？ #

原来的plt.show()默认是阻塞式的——它会启动Matplotlib的事件循环，直到你关闭窗口才会继续执行后面的while循环。而当你尝试用非阻塞模式时，while循环里的time.sleep(1)又会占据主线程，导致FuncAnimation的回调函数animate根本没机会被事件循环调用，所以窗口一直是空白的，直到程序终止才会一次性更新。

方案1：手动控制绘图刷新（最简单直观） #

我们可以放弃FuncAnimation，直接在数据更新循环里手动触发绘图刷新，完全由你控制更新时机：

import matplotlib.pyplot as plt
import random
from itertools import count
import time
%matplotlib qt

fields, volts = [], []
index = count()

def update_plot():
    # 清除旧绘图，绘制新数据
    plt.cla()
    plt.plot(fields, volts)
    # 强制刷新画布并处理窗口交互事件
    fig.canvas.draw()
    fig.canvas.flush_events()

fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(111)

# 非阻塞显示窗口，让后续代码可以继续执行
plt.show(block=False)

while True:
    time.sleep(1)
    # 更新数据（这里替换成你的仪器采集逻辑即可）
    fields.append(next(index))
    volts.append(random.randint(0, 5))
    # 手动触发绘图更新
    update_plot()

方案2：用线程分离数据采集和绘图（适合耗时采集场景） #

如果你的仪器数据采集是耗时操作（比如需要等待硬件响应），可以把数据采集放到子线程里，主线程留给Matplotlib的事件循环处理绘图更新，避免卡顿：

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
import random
from itertools import count
import time
import threading
%matplotlib qt

fields, volts = [], []
index = count()
# 用锁保证多线程下共享数据的访问安全
data_lock = threading.Lock()

def data_collector():
    """子线程：模拟仪器数据采集逻辑"""
    global fields, volts, index
    while True:
        time.sleep(1)
        # 加锁修改共享数据，避免线程冲突
        with data_lock:
            fields.append(next(index))
            volts.append(random.randint(0, 5))

def animate(i):
    """主线程：更新绘图"""
    with data_lock:
        plt.cla()
        plt.plot(fields, volts)

# 启动数据采集线程（daemon=True让线程随主程序自动退出）
threading.Thread(target=data_collector, daemon=True).start()

fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(111)
# 每隔100ms检查一次数据并更新绘图（频率比数据采集高即可）
ani = FuncAnimation(fig, animate, interval=100)
plt.show()

两种方案都能解决你的问题：如果采集逻辑简单，方案1足够轻便；如果采集操作耗时，方案2能保证绘图的流畅性。

内容的提问来源于stack exchange，提问作者alessandro