如何将matplotlib（python）窗口保持在后台？

Question

我有一个 python / matplotlib 应用程序，它经常使用来自测量仪器的新数据更新绘图。当用新数据更新绘图时，相对于我桌面上的其他窗口，绘图窗口不应从背景变为前景（反之亦然）。

这在运行带有 matplotlib 1.5.2rc 的 Ubuntu 16.10 的机器上使用 Python 3 可以正常工作。但是，在另一台装有 Ubuntu 17.04 和 matplotlib 2.0.0 的机器上，每次使用新数据更新绘图时，图形窗口都会弹出到前面。

如何在使用新数据更新绘图时控制窗口前景/背景行为并保持窗口焦点？

这是一个说明我的绘图例程的代码示例：

import matplotlib
import matplotlib.pyplot as plt
from time import time
from random import random

print ( matplotlib.__version__ )

# set up the figure
fig = plt.figure()
plt.xlabel('Time')
plt.ylabel('Value')
plt.ion()

# plot things while new data is generated:
t0 = time()
t = []
y = []
while True:
    t.append( time()-t0 )
    y.append( random() )
    fig.clear()
    plt.plot( t , y )
    plt.pause(1)

Answer 1

对于 tkinter 后端（matplotlib.use("TkAgg")），使用flush_events 是不够的：您还需要在每个fig.canvas.flush_events() 之前调用fig.canvas.draw_idle()。正如@samlaf 所写，Qt5Agg 后端也是如此。

Answer 2

matplotlib 从 1.5.2rc 版本更改为 2.0.0 版本，因此 pyplot.show() 将窗口带到前台（请参阅here）。因此，关键是避免在循环中调用pyplot.show()。 pyplot.pause() 也是如此。

下面是一个工作示例。这仍然会在开始时将窗口带到前台。但是用户可以将窗口移到背景中，当图形更新为新数据时，窗口将保留在那里。

请注意，matplotlib 动画模块可能是生成此示例中显示的绘图的不错选择。但是，我无法使动画与交互式绘图一起使用，因此它会阻止其他代码的进一步执行。这就是为什么我不能在我的实际应用程序中使用动画模块的原因。

import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
import time
from random import random

print ( matplotlib.__version__ )

# set up the figure
plt.ion()
fig = plt.figure()
ax = plt.subplot(1,1,1)
ax.set_xlabel('Time')
ax.set_ylabel('Value')
t = []
y = []
ax.plot( t , y , 'ko-' , markersize = 10 ) # add an empty line to the plot
fig.show() # show the window (figure will be in foreground, but the user may move it to background)

# plot things while new data is generated:
# (avoid calling plt.show() and plt.pause() to prevent window popping to foreground)
t0 = time.time()
while True:
    t.append( time.time()-t0 )  # add new x data value
    y.append( random() )        # add new y data value
    ax.lines[0].set_data( t,y ) # set plot data
    ax.relim()                  # recompute the data limits
    ax.autoscale_view()         # automatic axis scaling
    fig.canvas.flush_events()   # update the plot and take care of window events (like resizing etc.)
    time.sleep(1)               # wait for next loop iteration