ipywidgets + matplotlib无法清除旧输出

Question

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from ipywidgets import interact, FloatSlider, RadioButtons

amplitude_slider = FloatSlider(min=0.1, max=1.0, step=0.1, value=0.2)
color_buttons = RadioButtons(options=['blue', 'green', 'red'])
# decorate the plot function with an environment from the UIs:
@interact(amplitude=amplitude_slider, color=color_buttons)
def plot(amplitude, color):
    fig, ax = plt.subplots(figsize=(4, 3),
                       subplot_kw={'axisbg':'#EEEEEE',
                                   'axisbelow':True})

    ax.grid(color='w', linewidth=2, linestyle='solid')
    x = np.linspace(0, 10, 1000)
    ax.plot(x, amplitude * np.sin(x), color=color,
        lw=5, alpha=0.4)
    ax.set_xlim(0, 10)
    ax.set_ylim(-1.1, 1.1)

多次使用小部件可以获得多个输出：

我需要在代码中更新什么才能在每次使用窗口小部件时清除绘图？

Answer 1

我认为可能存在两个问题：

1. 首先，每次更新交互式元素时都会创建一个新的图形和轴。所以这个新的数字将被追加。
2. 其次，您正在使用显示情节图像的%matplotlib inline。因此，一旦更改了绘图，将显示一个新图像，而不是当前更改的图像。

选项可能是使用%matplotlib notebook后端。

然后，人们将创建一次图并绘制一些初始值。我们还需要保留对艺术家的引用，这应该由小部件更新。

一旦完成，交互式人物似乎与交互式小部件冲突。为了解决这个问题，我将所有交互式小部件（包括其导入）放在图下方的新单元格中。

我不确定发生这种情况的原因，但以下似乎是一个有效的解决方案。

进口

%matplotlib notebook
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

创建图形，绘制初始线

fig, ax = plt.subplots(figsize=(4, 3),
                       subplot_kw={'facecolor':'#EEEEEE',
                                   'axisbelow':True})
ax.grid(color='w', linewidth=2, linestyle='solid')
x = np.linspace(0, 10, 1000)
line, = ax.plot(x, 0.2 * np.sin(x), color="blue",
    lw=5, alpha=0.4)
ax.set_xlim(0, 10)
ax.set_ylim(-1.1, 1.1) 

最后，在新单元格中，进行交互，仅更新艺术家，而不是重新创建它们。

from ipywidgets import interact, FloatSlider, RadioButtons
amplitude_slider = FloatSlider(min=0.1, max=1.0, step=0.1, value=0.2)
color_buttons = RadioButtons(options=['blue', 'green', 'red'])
# decorate the plot function with an environment from the UIs:
@interact(amplitude=amplitude_slider, color=color_buttons)
def plot(amplitude, color):
    y = amplitude * np.sin(x)
    line.set_ydata(y)
    line.set_color(color)

以下是它的外观图像。