我一直用的VScode + jupyter notebook编码，在进行神经网络实验的时候经常会用到使用matplotlib进行图标的绘制。尤其是在观测准确率的变化的时候需要动态观察数据。

实现matplotlib实时动态图的方法有三种：

（1）ion和ioff

这是最简单的一种，他会跳出一个框，里面的数据会动态刷新，而不是静态的图片。可以使用在命令行和pycharm等。
但是在VScode + jupyter notebook中，需要添加%matplotlib inline，而且它是一张一张图片的输出。

• 代码实现

import matplotlib.pyplot as plt
i=0
x=[]
y=[]
plt.ion()
while i<100:
    plt.clf()  #清除上一幅图像
    x.append(i)
    y.append(i**2)
    plt.plot(x,y)
    i=i+1
    plt.pause(0.01)  # 暂停0.01秒
    plt.ioff()  # 关闭画图的窗口
plt.show()

（2）可以使用FuncAnimation

这里要求matplotlib的版本在3.X及以上，在使用jupyter的时候还需要使用%matplotlib notebook.
但是VScode并不支持matplotlib的natebook模式。
官方解释：
https://www.jianshu.com/p/04e240966bb4
编码教程：https://www.bilibili.com/video/BV1Pt4y1s7Pj?spm_id_from=333.880.my_history.page.click&vd_source=9e5b81656aa2144357f0dca1094e9cbe

（3）自制一个Animator

这个可以完美的在VScode + jupyter notebook中完美运行。

代码：

from IPython import display
from matplotlib import pyplot as plt
from matplotlib_inline import backend_inline

class Animator():
    """初始化横轴,x/ylabel,"""
    def __init__(self, xlim, xlabel=None, ylabel=None, legend=None,ylim=None, xscale='linear', yscale='linear',
                 fmts=('-', 'm--', 'g-.', 'r:'),figsize=(3.5, 2.5)) -> None:
        self.xlabel = xlabel
        self.ylabel = ylabel
        self.xscale = xscale
        self.yscale = yscale
        self.xlim = xlim
        self.ylim = ylim
        self.legend = legend
        # 图例显示
        if legend is None:
            legend = []
        # 使用svg图像显示
        backend_inline.set_matplotlib_formats('svg')
        self.fig, self.axes = plt.subplots(figsize=figsize)
        self.x = None
        self.y = None
        self.fmts = fmts

    def set_axes(self):
        # 设置轴上的属性
        self.axes.set_xlabel(self.xlabel)
        self.axes.set_ylabel(self.ylabel)
        self.axes.set_xscale(self.xscale)
        self.axes.set_yscale(self.yscale)
        self.axes.set_xlim(self.xlim)
        self.axes.set_ylim(self.ylim)
        if self.legend:
            self.axes.legend(self.legend)
        self.axes.grid()


    def show(self,x,y):
        self.axes.cla()
        for i in range(len(x)):
            self.axes.plot(x[i],y[i],self.fmts[i])
        self.set_axes()
        display.display(self.fig)
        display.clear_output(wait=True)
    

使用也很简单：

fig = Animator(xlim=(-0.1,10.1),legend=["x1","x2"])

def delay():
    for i in range(999999):
        for j in range(9):
            a=1

x = [[],[]]
y = [[],[]]
print(type(x))
for i in range(11):
    x[0].append(i)
    y[0].append(i**2)
    x[1].append(i)
    y[1].append(i*2)
    print(x)
    fig.show(x,y)
    delay()