"""
Created on Mon Dec 07 16:34:10 2015

@author: SuperWang
"""

import matplotlib.pyplot as plt
import numpy as np

fig,ax=plt.subplots()
fig2,ax2=plt.subplots()


y1=[]
y2=[]

for i in range(50):
    y1.append(np.sin(i))
    y2.append(np.cos(i))
    ax.cla()
    ax.set_title("Loss")
    ax.set_xlabel("Iteration")
    ax.set_ylabel("Loss")
    ax.set_xlim(0,55)
    ax.set_ylim(-1,1)
    ax.grid()
    ax.plot(y1,label='train')
    ax.plot(y2,label='test')
    ax.legend(loc='best')

    ax2.cla()
    ax2.set_title("Loss")
    ax2.set_xlabel("Iteration")
    ax2.set_ylabel("Loss")
    ax2.set_xlim(0,55)
    ax2.set_ylim(-1,1)
    ax2.grid()
    ax2.plot(y1,label='train')
    ax2.plot(y2,label='test')
    ax2.legend(loc='best')
    plt.pause(1)

要解决的问题如标题所示，原理很简单，就是当数据增长时，不断清空以前的绘画内容，然后把现有的数据重新画出来（数据是胡乱生成的）。具体过程如下：
fig,ax=plt.subplots() 产生一个figure对象和一个axis对象。figure相当于一个窗口，而axis相当于一个画布。此句也可以用两句生成，即fig=plt.figure(num)，括号中的参数是figure的ID，如果只需创建一个figure对象，那么可以省略。然后ax=fig.subplot(1,1,1)，subplot()的具体用法可以去google或百度一下。ax.cla()就是在新数据到来时，先把之前的绘制的内容清空，接下来，ax.set_title(“Loss”)，ax.set_xlabel(“Iteration”)，ax.set_ylabel(“Loss”)都很简单，见名知意。ax.set_xlim(0,55)，ax.set_ylim(-1,1)分别用来设置x轴和y轴的两个端点。ax.grid()给画布加上网格。ax.plot(y1,label=’train’)，ax.plot(y2,label=’test’)这两句是实际的绘制命令，其中，参数label是为以后生成图例用的。ax2.legend(loc=’best’)用来生成图例，loc参数代表图例位置location，而value：‘best’是其中的一种选择，除此之外，还有左上角等其他选项。最后，plt.pause(1)是为了显示上更直观，故意每绘制一次，暂停1秒，注意，这里的单位是秒。如果是实际的应用，而数据生成的过程又比较慢，此句完全可以省略。

这段代码中创建了两个窗口，在实验过程中，我发现只能有一个窗口被选中，即用鼠标点击哪个窗口，哪个窗口会动态地显示绘画过程，而另一个保持不动。绘画过程截图如下：