基于Matplotlib实现牛顿-拉夫逊迭代过程动画的方法

核心逻辑 #

• 主曲线仅在初始化时绘制一次，全程不做修改，确保始终保留
• 垂直线、切线作为动态元素，通过修改现有线条的数据实现更新，无需删除重建

完整可运行代码 #

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

# 准备曲线数据
x = np.linspace(0, 2*np.pi, 1000)
y = np.sin(x)

# 创建画布与坐标轴
fig, ax = plt.subplots(figsize=(8, 5))
ax.set_xlim(0, 2*np.pi)
ax.set_ylim(-1.2, 1.2)
ax.set_xlabel('x')
ax.set_ylabel('sin(x)')

# 绘制静态主曲线（仅执行一次）
main_line, = ax.plot(x, y, color='#1f77b4', linewidth=2)

# 初始化动态元素：垂直线、切线（初始为空）
v_line, = ax.plot([], [], color='#ff4b4b', linestyle='--', linewidth=1)
tangent_line, = ax.plot([], [], color='#2ca02c', linewidth=2)

# 动画初始化函数：设置动态元素初始状态
def init():
    v_line.set_data([], [])
    tangent_line.set_data([], [])
    return v_line, tangent_line

# 帧更新函数：逐帧修改动态元素的数据
def update(frame):
    x0 = x[frame]
    y0 = np.sin(x0)
    
    # 更新垂直线：x固定为x0，y从0到sin(x0)
    v_line.set_data([x0, x0], [0, y0])
    
    # 计算切线斜率与方程，取x0附近区间展示
    slope = np.cos(x0)
    tangent_x = np.array([x0 - 0.5, x0 + 0.5])
    tangent_y = slope*(tangent_x - x0) + y0
    tangent_line.set_data(tangent_x, tangent_y)
    
    return v_line, tangent_line

# 创建并运行动画
ani = FuncAnimation(fig, update, frames=len(x), init_func=init, interval=20, blit=True)

plt.show()

关键细节说明 #

• 静态/动态元素分离：主曲线main_line只绘制一次，动画过程中不会被修改，自然保留在画面中
• 高效更新方式：用set_data()直接修改线条的x、y数据，是Matplotlib动画最优的更新逻辑，避免频繁创建/删除元素的性能损耗
• blit=True：仅更新画面中变化的部分（垂直线、切线），大幅提升动画流畅度
• 帧率控制：interval参数（单位毫秒）控制每帧间隔，frames参数指定总帧数，可根据需求调整

常见问题排查 #

• 若动画元素闪烁/不更新：确保update函数返回的是动态元素元组（注意末尾逗号，比如return v_line, tangent_line）
• 若切线显示过短/过长：调整tangent_x的区间范围（比如把0.5改成1）

内容的提问来源于stack exchange，提问作者Soham