matplotlib.animation.funcanimation是最常用可控的python动态图表方案，通过init初始化、update逐帧更新数据、blit优化重绘实现正弦波等动画，支持gif/mp4导出。
用 Python 做动态图表，matplotlib.animation 是最常用、最可控的方案之一。它不依赖外部库，能深度控制每一帧，适合教学演示、算法过程可视化、时间序列演化等场景。
核心思路：按帧生成 + 动画封装
动画本质是快速连续播放静态图帧。FuncAnimation 是最常用的类，它通过反复调用一个更新函数（func），在每帧中修改图形对象（如线条数据、散点位置、文本内容等），再重绘画面。
- 必须有一个“画布”——通常用
plt.figure()和ax = fig.add_subplot()创建 - 必须预先绘制初始图像（哪怕只是空图），否则后续无法更新
- 更新函数接收帧号（如
i）作为参数，据此计算当前帧应显示的数据 -
interval控制帧间隔（毫秒），frames指定总帧数或可迭代对象
基础示例：正弦波逐步展开
这是入门必练案例，直观体现“逐帧追加”的逻辑：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
fig, ax = plt.subplots()
x_data, y_data = [], []
line, = ax.plot([], [], 'r-')
def init():
ax.set_xlim(0, 4*np.pi)
ax.set_ylim(-1.2, 1.2)
return line,
def update(frame):
x_data.append(frame)
y_data.append(np.sin(frame))
line.set_data(x_data, y_data)
return line,
ani = FuncAnimation(fig, update, frames=np.linspace(0, 4*np.pi, 200),
init_func=init, blit=True, interval=50)
plt.show()
注意：blit=True 只重绘变化部分，大幅提升性能；init_func 负责设置初始视图和返回需动画化的 artist 对象。
立即学习“Python免费学习笔记（深入）”；
进阶技巧：多元素协同更新
实际应用中常需同时更新曲线、散点、标题、标注等。关键原则是：所有要动的元素都应在 update() 中显式设置，并在 return 中一并返回。
- 散点图：用
scatter.set_offsets(np.c_[x, y]) - 文本：用
text.set_text(f'Frame: {frame}')或set_position((x, y)) - 多条线：分别调用
line1.set_data(...)、line2.set_data(...) - 避免在
update中调用plt.title()等高层接口，改用ax.set_title()
保存与导出：GIF 和 MP4 都支持
动画对象 ani 提供 save() 方法，但需提前安装对应写入器：
- GIF：安装
pillow（pip install pillow），然后ani.save('wave.gif', writer='pillow') - MP4：需系统有
ffmpeg，设置writer='ffmpeg'，并指定fps - 注意保存时加
dpi参数保证清晰度，例如dpi=150 - 若报错“writer not available”，检查是否已安装对应工具并加入系统 PATH
不复杂但容易忽略：动画不是“自动播放的视频”，而是基于 matplotlib 的重绘机制；理解 init、update、blit 三者关系，就能稳稳掌控每一帧。
