Python 根据参数更改自动更新图形

我希望图形在参数值更改或定期更改时更新。我有以下代码：

a=0`
b=50
c=100

def sine(x,y,l):
    A=numpy.zeros(l)
    for i in range(l):
        A[i]=numpy.sin(2*math.pi*(i+x)/y)
    return A


def plot(l):
    matplotlib.pyplot.clf()
    matplotlib.pyplot.plot(l)

plot(sine(a,b,c))`

`

---

如何使绘图功能在每次a/b/c更新时或定期运行时重新运行？

因此，在这里，您应该了解如何正确使用numpy UFUNC，它在NDARRAY上运行，而不必在NDARRAY上循环：

其次，您必须有一个触发更新事件的位置，例如：

因为在这段代码中没有这样的例子，所以我假设您知道将在哪里发生。无论在哪里发生这种情况，都需要一个行句柄来更新数据

下面是一些示例代码，强调我认为您正在尝试做的事情：

import numpy as np
import matplotlib.pyplot as plt

l = 100
x = np.linspace(0, 2 * np.pi, l)
y = np.sin(x)

fig, ax = plt.subplots(1, 1)  # generate figure and axes objects so that we have handles for them
curve = ax.plot(x, y)[0]  # capture the handle for the lines object so we can update its data later

# now some kind of event happens where the data is changed, and we update the plot
y = np.cos(x)  # the data is changed!
curve.set_ydata(y)

# necessary if you are just executing this as a script
# this example is a little more clear if executed stepwise in ipython
plt.show(block=True)

---

因此，这里有几件事，您应该了解如何正确使用numpy UFUNC，它在Ndarray上运行，而不必在Ndarray上循环：

其次，您必须有一个触发更新事件的位置，例如：

因为在这段代码中没有这样的例子，所以我假设您知道将在哪里发生。无论在哪里发生这种情况，都需要一个行句柄来更新数据

下面是一些示例代码，强调我认为您正在尝试做的事情：

import numpy as np
import matplotlib.pyplot as plt

l = 100
x = np.linspace(0, 2 * np.pi, l)
y = np.sin(x)

fig, ax = plt.subplots(1, 1)  # generate figure and axes objects so that we have handles for them
curve = ax.plot(x, y)[0]  # capture the handle for the lines object so we can update its data later

# now some kind of event happens where the data is changed, and we update the plot
y = np.cos(x)  # the data is changed!
curve.set_ydata(y)

# necessary if you are just executing this as a script
# this example is a little more clear if executed stepwise in ipython
plt.show(block=True)

---

UFUNC是否比循环更有效？是的。除了代码更干净、更简洁之外，在计算上它可能要快一个数量级，如果不是更多的话，因为整个计算都在一个c函数调用中处理。事实上，在numpy数组上循环可能比在python列表中循环慢，因为在循环中进行的许多函数调用的开销ufuncs是否比循环更有效？是的。除了代码更干净、更简洁之外，在计算上它可能要快一个数量级，如果不是更多的话，因为整个计算都在一个c函数调用中处理。事实上，在numpy数组上循环可能比在python列表中循环要慢，这是因为在循环中会产生许多函数调用的开销