Matplotlib pyplot plot冻结（无响应）的问题及其解决方案

在本文中，我们将介绍Matplotlib pyplot plot冻结（无响应）的问题及其解决方案。

问题描述

当我们使用Matplotlib绘图时，有时会遇到程序冻结的现象，无法继续执行，界面上显示“Not Responding”。这是因为Matplotlib绘图时默认使用BlockingIO来绘制图形，如果数据量大或计算复杂，就会导致程序无法响应。

以下是示例代码，每隔1秒钟更新一次图形：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 1000)
y = np.sin(x)

fig, ax = plt.subplots()

for i in range(10):
    ax.plot(x, y * (i + 1))
    plt.pause(1)

在执行上述代码时，如果单击窗口左上角的关闭按钮，程序会停止响应，需要强制退出。

解决方案

Matplotlib提供了两种解决方案：使用非阻塞模式或使用多线程模式。

使用非阻塞模式

使用非阻塞模式可以让程序在计算时保持响应，可以通过函数plt.ion()来启用非阻塞模式，函数plt.pause()来暂停绘图，函数plt.show()来显示图像。修改示例代码如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 1000)
y = np.sin(x)

plt.ion()  # 启用非阻塞模式
fig, ax = plt.subplots()

for i in range(10):
    ax.plot(x, y * (i + 1))
    plt.pause(1)
    ax.cla()  # 清除上一幅图像

plt.ioff()  # 关闭非阻塞模式，显示最终结果
plt.show()

在这个代码中，plt.ion()函数启用了非阻塞模式，ax.cla()函数每次循环都会清除上一次的图形，plt.pause()函数暂停1秒钟。最后，plt.ioff()函数关闭了非阻塞模式，plt.show()函数显示图形并让程序等待用户关闭窗口。

使用多线程模式

使用多线程模式可以让程序在绘图时同时执行其他任务，通过函数fig.canvas.start_event_loop()和fig.canvas.stop_event_loop()可以在主线程之外启动Matplotlib事件循环。

以下是示例代码：

import threading
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 1000)
y = np.sin(x)

class GraphThread(threading.Thread):
    def run(self):
        fig, ax = plt.subplots()
        for i in range(10):
            ax.plot(x, y * (i + 1))
            plt.pause(1)
            ax.cla()
        plt.show(block=True)

if __name__ == '__main__':
    GraphThread().start()
    # Do something else...

在这个代码中，类GraphThread继承自threading.Thread，实现了一个新的线程。在run()函数中，创建了图像并绘制曲线，然后显示图像并等待用户关闭窗口。

在调用GraphThread().start()启动线程之后，程序可以继续执行其他任务，例如在主线程中进行计算等操作。