Matplotlib多绘图场景下单点位置的快速更新实现问询

我明白你的痛点——当一个子图加载了大量数据点时，常规的plt.draw()或者canvas.draw()会重绘整个图形，导致鼠标移动时的实时更新变得卡顿。咱们直接用Matplotlib的blitting技术来解决这个问题，它能只更新图形中变化的部分，完全避免重复绘制那个有大量点的子图。

下面是适配你需求的完整代码示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建图形和两个子图
fig, (ax_large, ax_update) = plt.subplots(1, 2, figsize=(10, 5))

# 给ax_large绘制大量点（模拟你的场景）
np.random.seed(42)
x_large = np.random.randn(10000)
y_large = np.random.randn(10000)
ax_large.scatter(x_large, y_large, s=1, alpha=0.5)
ax_large.set_title("大量点子图")

# 初始化ax_update中的跟踪点
track_point, = ax_update.plot([], [], 'ro', markersize=8)
ax_update.set_xlim(ax_large.get_xlim())
ax_update.set_ylim(ax_large.get_ylim())
ax_update.set_title("实时更新点子图")

# 保存图形的背景（关键：只保存一次，避免重复绘制大量点）
fig.canvas.draw()
background = fig.canvas.copy_from_bbox(fig.bbox)

def on_mouse_move(event):
    # 只处理ax_large上的鼠标事件
    if event.inaxes != ax_large:
        return
    
    # 恢复背景（清除之前的跟踪点）
    fig.canvas.restore_region(background)
    
    # 更新跟踪点的位置
    track_point.set_data(event.xdata, event.ydata)
    
    # 只重绘ax_update中的元素和跟踪点
    ax_update.draw_artist(track_point)
    fig.canvas.blit(fig.bbox)

# 绑定鼠标移动事件
fig.canvas.mpl_connect('motion_notify_event', on_mouse_move)

plt.show()

关键点解释： #

• Blitting核心逻辑：一开始绘制完所有静态元素（也就是ax_large的大量点）后，我们保存整个图形的背景。之后每次鼠标移动时，先恢复这个背景，再只更新跟踪点的位置，最后用blit()方法把变化的部分推送到屏幕上——这样就完全跳过了重绘ax_large的步骤，速度会快很多。
• 事件过滤：通过event.inaxes != ax_large判断，只响应ax_large上的鼠标移动事件，避免无效操作。
• 坐标系同步：我把ax_update的坐标轴范围设置成和ax_large一致，这样鼠标在ax_large上的坐标可以直接用在ax_update里，如果你需要不同的坐标系，可以用ax_large.transData.inverted().transform()之类的方法转换坐标。

额外注意事项： #

如果你的窗口大小可能会变化，记得添加一个resize_event的回调函数，在窗口大小改变时重新保存背景，否则blitting会出现错位：

def on_resize(event):
    global background
    fig.canvas.draw()
    background = fig.canvas.copy_from_bbox(fig.bbox)

fig.canvas.mpl_connect('resize_event', on_resize)

这个方案应该能完美适配你的需求，既保留大量点的显示，又能实现另一个子图点的快速实时更新。

内容的提问来源于stack exchange，提问作者brechmos