學習python的道路是漫長的，今天又遇到一個問題，所以想寫下來自己的理解方便以後檢視。

在使用matplotlib的過程中，常常會需要畫很多圖，但是好像並不能同時展示許多圖。這是因為python視覺化庫matplotlib的顯示模式預設為阻塞（block）模式。什麼是阻塞模式那？我的理解就是在plt.show()之後，程式會暫停到那兒，並不會繼續執行下去。如果需要繼續執行程式，就要關閉圖片。那如何展示動態圖或多個視窗呢？這就要使用plt.ion()這個函式，使matplotlib的顯示模式轉換為互動（interactive）模式。即使在指令碼中遇到plt.show()，程式碼還是會繼續執行。下面這段程式碼是展示兩個不同的視窗：

  import matplotlib.pyplot as plt
  plt.ion()  # 開啟互動模式
  # 同時開啟兩個視窗顯示圖片
  plt.figure() #圖片一
  plt.imshow(i1)
  plt.figure()  #圖片二
  plt.imshow(i2)
  # 顯示前關掉互動模式
  plt.ioff()
  plt.show()

在plt.show()之前一定不要忘了加plt.ioff()，如果不加，介面會一閃而過，並不會停留。那麼動態影象是如何畫出來的，請看下面這段程式碼，具體的解釋就不在這裡闡述了，以後有時間再更新：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
 
def add_layer(inputs,in_size,out_size,activation_funiction=None):
 
  Weights = tf.Variable(tf.random_normal([in_size,out_size]))
  biases = tf.Variable(tf.zeros([1,out_size]) +0.1)
  Wx_plus_b = tf.matmul(inputs,Weights)+biases
  if activation_funiction is None:
    outputs = Wx_plus_b
  else:
    outputs = activation_funiction(Wx_plus_b)
  return outputs
 
x_data = np.linspace(-1,1,300)[:,np.newaxis]
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data)-0.5 +noise
 
xs = tf.placeholder(tf.float32,[None,1])  
ys = tf.placeholder(tf.float32,1])
 
#add hidden layer
l1 = add_layer(xs,10,activation_funiction=tf.nn.relu)
#add output layer
prediction = add_layer(l1,activation_funiction=None)
 
#the error between prediction and real data
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)
 
init =tf.initialize_all_variables()
 
with tf.Session() as sess:
  sess.run(init)
 
  fig = plt.figure()
  ax = fig.add_subplot(1,1)
  ax.scatter(x_data,y_data)
  plt.ion()  #將畫圖模式改為互動模式
 
  for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
    if i%50 ==0:
      plt.pause(0.1)
      try:
        ax.lines.remove(lines[0])
      except Exception:
        pass
      prediction_value = sess.run(prediction,feed_dict={xs:x_data})
      lines = ax.plot(x_data,prediction_value,'r-',lw=5)
 
 
      print(sess.run(loss,ys:y_data}))
 
  plt.ioff()
  plt.show()

上面這段程式碼執行之後就會看到一條曲線在動態的擬合數據，直到訓練結束。

下面就來講講matplotlib這兩種模式具體的區別

在互動模式下：

1、plt.plot(x)或plt.imshow(x)是直接出影象，不需要plt.show()

2、如果在指令碼中使用ion()命令開啟了互動模式，沒有使用ioff()關閉的話，則影象會一閃而過，並不會常留。要想防止這種情況，需要在plt.show()之前加上ioff()命令。

在阻塞模式下：

1、開啟一個視窗以後必須關掉才能開啟下一個新的視窗。這種情況下，預設是不能像Matlab一樣同時開很多視窗進行對比的。

2、plt.plot(x)或plt.imshow(x)是直接出影象，需要plt.show()後才能顯示影象

到此這篇關於matplotlib 畫動態圖以及plt.ion()和plt.ioff()的使用詳解的文章就介紹到這了,更多相關matplotlib plt.ion() plt.ioff()內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！