Python-如何设置散点图的动画？

这是我目前的脚本：

import numpy as np
import matplotlib.pyplot as plt
import random
t=0
r=3.0
n=0
A=[]
for x in range(10):
  for y in range(10):
    A.append([random.uniform(0,1),random.uniform(0,1)])
for m in range(len(A)):
  plt.plot(A[m][0],A[m][1], "x", color="blue")
plt.show()
while n<=100:
  for m in range(len(A)):
    A[m][0]=r*A[m][0]*(1-A[m][0])
    A[m][1]=r*A[m][1]*(1-A[m][1])
  for m in range(len(A)):
    plt.plot(A[m][0],A[m][1], "x", color="blue")
  plt.show()
  n+=1

将numpy导入为np
将matplotlib.pyplot作为plt导入
随机输入
t=0
r=3.0
n=0
A=[]
对于范围（10）内的x：
对于范围（10）内的y：
A.append（[random.uniform（0,1），random.uniform（0,1）]）
对于范围内的m（len（A））：
plt.绘图（A[m][0]，A[m][1]，“x”，color=“blue”）
plt.show（）
n使用
plt.ion（）
启用交互式打印（打开打印窗口时不会停止执行），然后使用
plt.clf（）
清除打印

工作样本为：

import numpy as np
import matplotlib.pyplot as plt
plt.ion()

import random
t=0
r=3.0
n=0
A=[]
for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])

for m in range(len(A)):
    plt.plot(A[m][0],A[m][1], "x", color="blue")
    plt.draw()
plt.pause(1)

while n<=100:
    for m in range(len(A)):
        A[m][0]=r*A[m][0]*(1-A[m][0])
        A[m][1]=r*A[m][1]*(1-A[m][1])
    for m in range(len(A)):
        plt.plot(A[m][0],A[m][1], "x", color="blue")
    plt.draw()
    plt.pause(1)
    plt.clf()

将numpy导入为np
将matplotlib.pyplot作为plt导入
plt.ion（）
随机输入
t=0
r=3.0
n=0
A=[]
对于范围（10）内的x：
对于范围（10）内的y：
A.append（[random.uniform（0,1），random.uniform（0,1）]）
对于范围内的m（len（A））：
plt.绘图（A[m][0]，A[m][1]，“x”，color=“blue”）
plt.draw（）
plt.暂停（1）
n使用
plt.ion（）
启用交互式打印（打开打印窗口时不会停止执行），然后使用
plt.clf（）
清除打印

工作样本为：

import numpy as np
import matplotlib.pyplot as plt
plt.ion()

import random
t=0
r=3.0
n=0
A=[]
for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])

for m in range(len(A)):
    plt.plot(A[m][0],A[m][1], "x", color="blue")
    plt.draw()
plt.pause(1)

while n<=100:
    for m in range(len(A)):
        A[m][0]=r*A[m][0]*(1-A[m][0])
        A[m][1]=r*A[m][1]*(1-A[m][1])
    for m in range(len(A)):
        plt.plot(A[m][0],A[m][1], "x", color="blue")
    plt.draw()
    plt.pause(1)
    plt.clf()

将numpy导入为np
将matplotlib.pyplot作为plt导入
plt.ion（）
随机输入
t=0
r=3.0
n=0
A=[]
对于范围（10）内的x：
对于范围（10）内的y：
A.append（[random.uniform（0,1），random.uniform（0,1）]）
对于范围内的m（len（A））：
plt.绘图（A[m][0]，A[m][1]，“x”，color=“blue”）
plt.draw（）
plt.暂停（1）
而n则可以使用
matplotlib.animation
package:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import random

t=0
r=3.0
n=0
A=[]

for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])
A = np.array(A).transpose()

fig = plt.figure()
line, = plt.plot(A[0],A[1], "x", color="blue")

def update():
    for i in range(100):
        A[0], A[1] = r*A[0]*(1-A[0]), r*A[1]*(1-A[1])
        yield A

def draw(data):
    line.set_xdata(data[0])
    line.set_ydata(data[1])
    return line,

ani = animation.FuncAnimation(fig, draw, update, interval=1000, blit=False)

plt.show()

update
函数是一个生成器，用于生成后续步骤的数据，
draw
是一个函数，用于更新打印数据并将其返回。
您可以使用
matplotlib.animation
软件包：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import random

t=0
r=3.0
n=0
A=[]

for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])
A = np.array(A).transpose()

fig = plt.figure()
line, = plt.plot(A[0],A[1], "x", color="blue")

def update():
    for i in range(100):
        A[0], A[1] = r*A[0]*(1-A[0]), r*A[1]*(1-A[1])
        yield A

def draw(data):
    line.set_xdata(data[0])
    line.set_ydata(data[1])
    return line,

ani = animation.FuncAnimation(fig, draw, update, interval=1000, blit=False)

plt.show()

update
函数是一个生成器，它为后续步骤生成数据，而
draw
是一个更新绘图数据并返回它的函数。
我建议使用matplotlib的面向对象接口，在

这样，您就可以更好地控制图形行为，并可以在循环中简单地重新绘制绘图：

import numpy as np
import matplotlib.pyplot as plt
import random
from time import sleep
t=0
r=3.0
n=0
A=[]
for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])
fig = plt.figure()
ax = fig.add_subplot(111)
for m in range(len(A)):
    ax.plot(A[m][0],A[m][1], "x", color="blue")
fig.show()
sleep(1)
while n<=100:
    for m in range(len(A)):
        A[m][0]=r*A[m][0]*(1-A[m][0])
        A[m][1]=r*A[m][1]*(1-A[m][1])
    ax.clear()
    for m in range(len(A)):
        ax.plot(A[m][0],A[m][1], "x", color="blue")
    fig.canvas.draw()
    sleep(1)
    n+=1

将numpy导入为np
将matplotlib.pyplot作为plt导入
随机输入
从时间上导入睡眠
t=0
r=3.0
n=0
A=[]
对于范围（10）内的x：
对于范围（10）内的y：
A.append（[random.uniform（0,1），random.uniform（0,1）]）
图=plt.图（）
ax=图添加_子批次（111）
对于范围内的m（len（A））：
ax.绘图（A[m][0]，A[m][1]，“x”，color=“blue”）
图2（图3）
睡眠（1）
而n我建议使用matplotlib的面向对象接口，在

这样，您就可以更好地控制图形行为，并可以在循环中简单地重新绘制绘图：

import numpy as np
import matplotlib.pyplot as plt
import random
from time import sleep
t=0
r=3.0
n=0
A=[]
for x in range(10):
    for y in range(10):
        A.append([random.uniform(0,1),random.uniform(0,1)])
fig = plt.figure()
ax = fig.add_subplot(111)
for m in range(len(A)):
    ax.plot(A[m][0],A[m][1], "x", color="blue")
fig.show()
sleep(1)
while n<=100:
    for m in range(len(A)):
        A[m][0]=r*A[m][0]*(1-A[m][0])
        A[m][1]=r*A[m][1]*(1-A[m][1])
    ax.clear()
    for m in range(len(A)):
        ax.plot(A[m][0],A[m][1], "x", color="blue")
    fig.canvas.draw()
    sleep(1)
    n+=1

将numpy导入为np
将matplotlib.pyplot作为plt导入
随机输入
从时间上导入睡眠
t=0
r=3.0
n=0
A=[]
对于范围（10）内的x：
对于范围（10）内的y：
A.append（[random.uniform（0,1），random.uniform（0,1）]）
图=plt.图（）
ax=图添加_子批次（111）
对于范围内的m（len（A））：
ax.绘图（A[m][0]，A[m][1]，“x”，color=“blue”）
图2（图3）
睡眠（1）
然而，需要注意的是，动画模块保留了一份从
update
中提取的结果的副本，如果您的帧太大，这可能会导致内存问题。需要注意的是，动画模块保留了一份从
update
中提取的结果的副本，如果您的帧太大，这可能会导致内存问题太大了，谢谢！几处改动，它完全符合我的要求。同样感谢您提供的提示，numpy仍然是早期版本的遗留版本，当我使用numpy.linspace时，我忘记删除导入的numpy部分。谢谢！几处改动，它完全符合我的要求。同样感谢您提供的提示，numpy仍然是早期版本的遗留版本，当我使用numpy.linspace时，我忘记删除导入的numpy部分。