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，通过保存绘图对象引用并调用 `set_data()` 方法动态更新红连线与红点，确保每次按键仅显示最新状态。

在使用 Matplotlib 构建教学型动态可视化（如极限概念演示）时，一个常见误区是：在循环中反复调用 plt.plot() 会不断创建新图形对象，而非更新原有元素——这会导致初始红色连线持续叠加、无法自动清除，最终画面杂乱、语义失真。

正确做法是获取首次绘图返回的对象引用，后续仅更新其数据，而非新建图形。核心在于：

• 初始绘图时用解包语法捕获 Line2D 对象（如 red_line = plt.plot(...)[0]）；
• 在循环中调用 .set_data(xdata, ydata) 更新坐标；
• 配合 plt.draw() 和 plt.pause() 实现即时刷新。

以下是优化后的关键代码段（已适配原逻辑）：

# 初始绘制红连线与红点，并保存引用
red_line = plt.plot([pax, pbx], [pay, pby], 'r-')[0]
pa = plt.plot(pax, pay, 'ro', label=f'x={pax:.1f}')[0]
pb = plt.plot(pbx, pby, 'ro', label=f'x={pbx:.1f}')[0]

# ……（其余初始化代码保持不变）

while True:
    plt.pause(0.1)
    if keyboard.is_pressed('a'):
        num = renum(num)

        # 更新坐标值
        pax, pbx = 150 - 2 * num, 150 + 2 * num
        pay, pby = quadratic(pax), quadratic(pbx)

        # ✅ 仅更新已有对象的数据，不新增图形
        red_line.set_data([pax, pbx], [pay, pby])
        pa.set_data(pax, pay)
        pb.set_data(pbx, pby)

        # 同步调整坐标轴范围以聚焦变化区域
        x_range = np.arange(pax, pbx, 0.001)
        y_range = quadratic(x_range)
        plt.xlim(pax - 1, pbx + 1)
        plt.ylim(min(y_range) - 1, max(y_range) + 1)

        plt.draw()  # 触发重绘

⚠️ 注意事项：

• 勿混用 plt.plot() 与对象更新：一旦采用 set_data() 方式，所有后续修改必须基于原始对象，禁止在循环中再次调用 plt.plot() 绘制同类型元素；
• 启用交互后端：建议在脚本开头添加 %matplotlib widget（Jupyter）或 plt.ion()（脚本环境），确保 plt.draw() 生效；
• 标签需手动刷新：若需动态更新图例中的点标签（如 label=pax），需额外调用 pa.set_label(f'x={pax:.1f}') 并执行 plt.legend()；
• 性能提示：高频更新时，可考虑使用 blitting 技术进一步优化渲染效率（适用于更复杂动画）。

通过该方法，您将获得一条始终“活着”的红色割线——它随 a 键按下而精准收缩，直观呈现两点趋近于切点的过程，完美服务于微积分中极限与导数的教学目标。