我来帮你搞定这个实时绘图的问题！你遇到的核心问题是默认的plt.show()是阻塞式的——它会暂停整个程序直到你关闭绘图窗口，这直接导致你的仿真任务被终止，没法继续运行。要实现实时追踪仿真状态的动态绘图，得调整Matplotlib的交互模式和绘图逻辑，下面是具体的解决步骤：

关键修改点 #

• 启用交互模式：用plt.ion()开启Matplotlib的交互模式，这样绘图操作不会阻塞主线程，仿真任务能继续运行。
• 提前初始化绘图元素：把创建figure、subplot和初始线条的代码放在循环外面，避免重复创建导致的资源浪费和绘图混乱。
• 动态更新数据而非重绘整个图：每次迭代只更新已有线条的数据，然后刷新绘图窗口，而不是重新创建整个图表。
• 用plt.pause()代替单纯的plt.draw()：pause()不仅会刷新绘图，还会处理Matplotlib的事件循环，防止窗口假死。
• 仿真结束后保持窗口：任务完成后关闭交互模式，再调用plt.show()来保留绘图窗口，方便查看最终结果。

修改后的完整monitor函数示例 #

import matplotlib.pyplot as plt

def monitor(FSI_config, tracking):
    print("Tracking...")
    
    # 1. 开启交互模式
    plt.ion()
    
    # 2. 初始化绘图元素（只做一次）
    fig = plt.figure(1)
    ax1 = plt.subplot(211)
    # 初始化线条，先传入空数据或者初始数据
    line1, = ax1.plot([], [], label='Tracking Velocity')
    ax1.set_ylabel('Velocity')
    ax1.legend()
    
    # 遍历仿真数据并实时更新绘图
    it = []
    for i in range(len(tracking.tracking_vel)):
        it.append(i)
        # 3. 更新线条数据
        line1.set_data(it, tracking.tracking_vel[:i+1])
        
        # 自动调整坐标轴范围（可选，避免数据超出视图）
        ax1.relim()
        ax1.autoscale_view()
        
        # 4. 刷新绘图
        fig.canvas.draw()
        plt.pause(0.001)  # 短暂暂停，让绘图窗口响应
    
    # 5. 仿真结束后，关闭交互模式并保持窗口
    plt.ioff()
    plt.show()

额外注意事项 #

• 如果你的仿真任务是多线程/多进程运行的，要注意Matplotlib的绘图操作必须在主线程中执行，不然会出现崩溃或者不显示的问题。
• 要是你的tracking.tracking_vel是实时逐步追加的（不是一开始就有完整数据），可以把循环改成while True的形式，每次检查是否有新数据再更新，比如：

  it = []
  while True:
      current_len = len(tracking.tracking_vel)
      if current_len > len(it):
          # 有新数据，更新绘图
          new_idx = len(it)
          it.append(new_idx)
          line1.set_data(it, tracking.tracking_vel[:new_idx+1])
          ax1.relim()
          ax1.autoscale_view()
          fig.canvas.draw()
          plt.pause(0.001)
      # 可以加个退出条件，比如仿真完成的标志
      if simulation_finished:
          break
  

内容的提问来源于stack exchange，提问作者Rocco B.