在使用Matplotlib的`FuncAnimation`模块创建动态数据可视化时，开发者经常会遇到需要实时更新内部状态变量的场景，例如模拟自适应滤波器（如CALP）的系数调整、物理系统的状态变化等。这种动态更新要求动画回调函数能够访问并修改这些状态变量。然而，如果不理解Python的变量作用域规则，可能会导致程序行为异常甚至阻塞。
引言：Matplotlib动画与动态数据可视化
Matplotlib的FuncAnimation提供了一种强大的机制，用于创建基于帧的动画。它通过重复调用一个更新函数来逐步绘制图形，每次调用都会接收到由数据生成器提供的新数据。在许多实际应用中，动画的每一帧不仅需要绘制新数据，还需要根据新数据更新一些内部状态（例如，自适应算法的系数、模拟模型的参数等）。正确管理这些动态状态是构建稳定高效动画的关键。
问题剖析：Matplotlib动画中的全局变量陷阱
原始问题场景描述了一个典型的案例：在CALP（Cascade Adaptive Linear Predictor）误差动画中，尝试在FuncAnimation的回调函数（run）中更新全局滤波器系数aa和bb时，程序发生了阻塞。具体代码片段如下：
# Filter coefficients
aa = 0.01
bb = 0.01
# ...其他代码...
def run(data):
# ...
# 这行代码会导致问题
# aa = aa - lmd1 * dEda(y, previus_data_1, previus_data_2)
# ...**Python变量
