我要投稿

Python数据可视化实战：Matplotlib动态图表绘制技巧

文章小助手 python

2025-07-10 0 423

Python数据可视化实战：Matplotlib动态图表绘制技巧

一、动态可视化的核心价值

在数据分析领域，动态图表能直观展示数据随时间变化的趋势。Matplotlib的FuncAnimation模块提供了强大的动态图表生成能力，特别适合监控系统、实时数据展示等场景。

二、核心API解析

from matplotlib.animation import FuncAnimation
# 关键参数说明：
# fig: 画布对象
# func: 每帧更新函数
# frames: 动画帧数
# interval: 帧间隔(ms)

三、实战案例：CPU使用率动态监控

import matplotlib.pyplot as plt
import psutil
from matplotlib.animation import FuncAnimation

plt.style.use('ggplot')
fig, ax = plt.subplots(figsize=(10,5))
ax.set_ylim(0, 100)

def init():
    ax.set_title('CPU使用率实时监控')
    ax.set_xlabel('时间(s)')
    ax.set_ylabel('使用率(%)')
    return []

def update(frame):
    cpu_percent = psutil.cpu_percent()
    xdata = list(range(frame+1))
    ydata = [psutil.cpu_percent() for _ in range(frame+1)]
    
    ax.clear()
    ax.plot(xdata, ydata, 'r-', lw=2)
    ax.fill_between(xdata, ydata, alpha=0.2)
    ax.set_ylim(0, 100)
    return []

ani = FuncAnimation(fig, update, frames=60, 
                   init_func=init, interval=1000)
plt.tight_layout()
plt.show()

运行效果：每秒更新一次CPU使用率折线图，持续60秒

四、高级技巧：多子图动态更新

# 同时监控CPU和内存使用率
def multi_update(frame):
    cpu = psutil.cpu_percent()
    mem = psutil.virtual_memory().percent
    
    ax1.clear()
    ax2.clear()
    
    # CPU子图更新逻辑
    ax1.plot(cpu_history, 'b-')
    ax1.set_title('CPU使用率')
    
    # 内存子图更新逻辑
    ax2.bar(['内存'], [mem], color='g')
    ax2.set_title('内存占用')