本文详解如何避免 matplotlib 每次循环都弹出新窗口，通过正确复用 figure 和 axes 对象，实现单窗口内连续更新压力曲线，适用于 tcp 通信采集的实时传感器数据可视化。

在使用 Matplotlib 进行实时数据可视化时，一个常见误区是：在循环内部反复调用 plt.figure() 或 pyplot.figure() —— 这会为每一次迭代创建全新的图形窗口，导致“每读一个值就弹出一个新图”的问题。您提供的代码中，figure = pyplot.figure() 被错误地放在了 while 循环内部，这是根本原因。

要实现真正的“动态更新”（即同一窗口持续刷新曲线），必须将图形对象（figure 和 axes）的创建移至循环外部，仅在循环中更新数据并重绘。以下是优化后的核心结构与完整可运行示例：

✅ 正确做法：分离初始化与更新逻辑

import socket
import time
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from datetime import datetime

# --- 1. 初始化 TCP 连接 ---
target_host = "10.1.2.121"
target_port = 50
client = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
client.connect((target_host, target_port))
print(f"Connected to {target_host}:{target_port}")

# --- 2. 初始化绘图（⚠️ 关键：只执行一次！）---
plt.yscale('symlog')
plt.grid(True)
fig, ax = plt.subplots(figsize=(10, 6))
line, = ax.plot([], [], 'b-', linewidth=2, label='Vacuum Pressure (Torr)')
ax.set_xlabel('Time')
ax.set_ylabel('Pressure (Torr)')
ax.legend()
ax.ticklabel_format(axis='y', style='sci', scilimits=(0,0))

# 数据缓冲区（限制历史长度，防止内存溢出）
max_points = 200
x_data, y_data = [], []

# --- 3. 定义动画更新函数 ---
def update_frame(frame):
    try:
        # 发送命令 & 解析响应
        client.send(b'?VP\r\0')
        response = client.recv(1024).decode('ascii').strip()
        # 示例响应: "VP:3.58E-7" → 提取数值
        if response.startswith("VP:"):
            val_str = response[3:].replace("E", "e")
            pressure = float(val_str)

            # 更新数据
            now = datetime.now()
            x_data.append(now)
            y_data.
append(pressure)

            # 限制数据点数量（可选）
            if len(x_data) > max_points:
                x_data.pop(0)
                y_data.pop(0)

            # 刷新线条数据
            line.set_data(x_data, y_data)

            # 自动调整坐标轴范围
            ax.relim()
            ax.autoscale_view()

            print(f"[{now.strftime('%H:%M:%S')}] Pressure: {pressure:.2e} Torr")

    except Exception as e:
        print(f"Read error: {e}")

    return line,

# --- 4. 启动动画（非阻塞，支持后台持续采集）---
ani = FuncAnimation(fig, update_frame, interval=200, blit=False, cache_frame_data=False)

# 显示图形（保持主线程运行）
plt.show()

# ⚠️ 注意：plt.show() 后的代码不会执行；如需优雅退出，建议用信号或 GUI 事件控制

? 关键要点总结

• 禁止在循环中新建 figure/axis：plt.figure()、plt.subplot()、fig, ax = plt.subplots() 等必须置于循环外。
• 使用 FuncAnimation 替代手动循环绘图：它内置帧调度、重绘优化与事件循环管理，比 plt.ion() + plt.pause() 更稳定可靠。
• 显式调用 ax.relim() 和 ax.autoscale_view()：确保每次新增数据后坐标轴自动适配范围。
• 添加异常处理与日志输出：TCP 通信易受网络波动影响，避免因单次失败中断整个动画。
• 考虑数据缓存策略：长时间运行时，限制 x_data/y_data 长度，防止内存泄漏。

? 提示：若后续集成 GUI（如 PyQt/PySide），应改用 FigureCanvasQTAgg 嵌入控件，并通过 QTimer 触发更新，而非 FuncAnimation——后者依赖 plt.show() 的主事件循环，在 GUI 中可能冲突。

遵循以上结构，您即可获得一个稳定、低延迟、单窗口持续更新的真空压力实时曲线图，为后续构建完整监控系统打下坚实基础。