本文介绍如何在 matplotlib 实时交互绘图中避免重复绘制导致的残留线条问题，通过 `set_data()` 方法高效更新已有图形对象（如连线和散点），而非反复调用 `plt.plot()` 创建新元素。
在使用 Matplotlib 实现动态数学演示（例如极限概念可视化）时，一个常见误区是：每次按键响应都用 plt.plot() 新增图形元素。这会导致历史线条不断累积——比如初始的红色割线不会消失，后续每次按 'a' 键都会叠加一条新红线，最终画面杂乱、失去教学意义。
根本解决方法是复用图形对象：首次绘制时保存返回的 Line2D 对象引用，后续仅调用其 .set_data() 方法更新坐标数据，再配合 plt.draw() 刷新视图。这种方式性能高、逻辑清晰，且完全避免图元堆积。
以下为关键修改要点与示例代码：
✅ 正确做法（推荐）：
- 首次绘图时获取对象引用：
red_line = plt.plot([pax, pbx], [pay, pby], 'r-')[0] # [0] 取 Line2D 实例 pa = plt.plot(pax, pay, 'ro')[0] pb = plt.plot(pbx, pby, 'ro')[0]
- 在循环中更新数据（非重绘）：
red_line.set_data([pax, pbx], [pay, pby]) pa.set_data(pax, pay) pb.set_data(pbx, pby)
⚠️ 注意事项：
- 不要省略 plt.draw() —— 它触发画布重绘；仅 plt.pause() 不足以保证视觉更新。
- 若使用 %matplotlib widget（Jupyter 推荐），需确保内核支持交互后端；若在脚本中运行，可改用 %matplotlib tk 或 plt.ion() 启用交互模式。
- keyboard.is_pressed() 属于阻塞式检测，适合简单演示；生产环境建议改用 matplotlib 原生事件绑定（如 fig.canvas.mpl_connect('key_press_event', ...)），更稳定且无需额外依赖。
? 完整优化提示：
为提升教学效果，还可添加动态标题显示当前区间宽度（如 f'Interval: [{pax:.2f}, {pbx:.2f}]'），或用 plt.title() 实时更新，强化“极限趋近”这一核心概念的可视化表达。
通过对象复用而非重复创建，你不仅能彻底消除初始红线残留问题，还能构建出专业、流畅、可扩展的数学动态演示系统。
