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后查看。

在使用matplotlib的過程中，常常會需要畫很多圖，但是好像并不能同時展示許多圖。這是因為python可視化庫matplotlib的顯示模式默認為阻塞(block)模式。什么是阻塞模式那？我的理解就是在plt.show()之后，程序會暫停到那兒，并不會繼續執行下去。如果需要繼續執行程序，就要關閉圖片。那如何展示動態圖或多個窗口呢？這就要使用plt.ion()這個函數，使matplotlib的顯示模式轉換為交互(interactive)模式。即使在腳本中遇到plt.show()，代碼還是會繼續執行。下面這段代碼是展示兩個不同的窗口：

import matplotlib.pyplot as plt

plt.ion() # 打開交互模式

# 同時打開兩個窗口顯示圖片

plt.figure() #圖片一

plt.imshow(i1)

plt.figure() #圖片二

plt.imshow(i2)

# 顯示前關掉交互模式

plt.ioff()

plt.show()

在plt.show()之前一定不要忘了加plt.ioff()，如果不加，界面會一閃而過，并不會停留。那么動態圖像是如何畫出來的，請看下面這段代碼，具體的解釋就不在這里闡述了，以后有時間再更新：

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,[None,1])

#add hidden layer

l1 = add_layer(xs,1,10,activation_funiction=tf.nn.relu)

#add output layer

prediction = add_layer(l1,10,1,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(1,1,1)

ax.scatter(x_data,y_data)

plt.ion() #將畫圖模式改為交互模式

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,feed_dict={xs:x_data,ys:y_data}))

plt.ioff()

plt.show()

上面這段代碼執行之后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

在交互模式下：

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

2、如果在腳本中使用ion()命令開啟了交互模式，沒有使用ioff()關閉的話，則圖像會一閃而過，并不會常留。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、打開一個窗口以后必須關掉才能打開下一個新的窗口。這種情況下，默認是不能像Matlab一樣同時開很多窗口進行對比的。

2、plt.plot(x)或plt.imshow(x)是直接出圖像，需要plt.show()后才能顯示圖像js

總結

以上是生活随笔為你收集整理的java plt_matplotlib 画动态图以及plt.ion()和plt.ioff()的使用详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。