Python-Matplotlib可视化（番外篇）——Matplotlib中的事件处理详解与实战_canvas

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

前言

在博文《OpenCV-Python实战（番外篇）——OpenCV中利用鼠标事件动态绘制图形》中，介绍了 OpenCV 中的事件处理，并利用其进行图形的动态绘制。那么 Matplotlib 作为 Python 的绘图库，能否直接进行事件处理呢？答案是肯定的。作为对《Python-Matplotlib可视化》系列的补充，本文将介绍在 Matplotlib 中事件的处理。
Matplotlib 与许多用户界面工具包配合使用，包括 wxpython、tkinter、qt 以及gtk 等，因此不必针对不同的用户界面编写功能重复的代码。Matplotlib与标准 GUI 事件相比，触发的事件更丰富，其包括事件发生在哪个轴等信息。

事件连接

要使 Matplotlib 可以接收事件，需要编写一个回调函数(在事件发生时会进行调用)，然后将函数连接到事件管理器。
以鼠标事件为例，我们通过以下程序实现打印鼠标点击的位置和按下了哪个按钮的功能：

from matplotlib import pyplot as plt
import numpy as np

fig, ax = plt.subplots()
ax.scatter(np.random.rand(100), np.random.rand(100))

# 编写回调函数
def oncli