探索 Matplotlib Inline：快速上手教程

Matplotlib 是一个功能强大的 Python 可视化库。使用 Jupyter Notebooks、DataLab 或其他兼容环境时，您可以使用 Matplotlib inline 将 Matplotlib 图直接显示在笔记本中，而无需额外的窗口。想了解 Matplotlib 的更多功能，请查看这篇关于使用 Matplotlib 库的教程。

Matplotlib Inline 有什么作用？

Matplotlib inline 是 Jupyter Notebooks 中的一个后端命令，用于将 Matplotlib 图像渲染在代码单元格正下方。这意味着当您执行生成 Matplotlib 图像的代码时，图像会内嵌显示在笔记本中，而不是出现在单独的窗口或输出单元中。

在笔记本中迭代更新图表时，内嵌渲染非常有用。由于图形直接出现在生成它的代码下方，您可以轻松看到代码更改如何影响结果。您还能在此过程中应用标准图表元素，如标题、坐标轴标签、图例或颜色编码。

请注意，在某些情况下，您可能会遇到内存泄漏问题——即在绘图事件之间内存未被释放，导致更改后图形绘制不正确。如果发现此问题，尝试在重新绘图前使用 .clf() 和 .close() 方法清理上一次绘图所占用的内存。

重要提示：在当前版本的 Jupyter Notebook 中，使用 Matplotlib inline 并非必需，因为图表会自动显示。不过，在需要共享代码时它仍然很有用。因此，如果您使用的是最新版本的 Jupyter Notebook 或 DataLab，且不需要分享代码，可以跳过本教程，直接开始学习 Matplotlib。

Matplotlib inline 语法与用法示例

要在 Jupyter 笔记本中启用 Matplotlib 的 inline 模式，只需在笔记本开头加入以下命令：

import matplotlib
%matplotlib inline技术支持

该命令告诉 Jupyter 将 Matplotlib 图像直接渲染在笔记本中，而不是打开新窗口或要求保存为外部图像。启用后，您就可以像往常一样使用 Matplotlib 创建并显示图表。

在 Jupyter Notebook 中使用 %matplotlib inline 的示例

如前所述，最新版 Jupyter Notebooks 和 DataLab 等集成开发环境无需添加 %matplotlib inline 也能在同一单元格中查看图表。不过，即便在这类 IDE 中，我仍习惯在脚本开头添加这行命令。这样更便于在系统和团队成员之间迁移代码，也能降低 IDE 行为改变时出现意外错误的概率。

交互式替代方案：%matplotlib notebook

如果您希望在内嵌图表中实现交互性，可以尝试使用 %matplotlib notebook 后端命令。它同样会在笔记本中显示图表，并提供缩放、平移和数据检查等交互功能。不过，我发现它在某些系统上不太稳定。如果您在使用该魔法命令时遇到问题，建议改用 plotly.io 来实现交互式的内嵌图表。

在 Jupyter Notebook 中使用 %matplotlib notebook 的示例

将 %matplotlib inline 与其他绘图库集成

%matplotlib inline 命令并不限于 matplotlib 图表。它可以轻松与其他绘图库（如 seaborn 和 plotly）集成，从而扩展您在笔记本中可内嵌创建的图表类型。

与 seaborn 库配合使用此命令，可以拓展图表的自定义选项。

在 Jupyter Notebook 中结合 seaborn 使用 %matplotlib inline 的示例

与 plotly 库配合使用此命令，可以实现缩放、平移等交互功能。

在 Jupyter Notebook 中结合 plotly 使用 %matplotlib inline 的示例

要点：使用 %matplotlib inline 命令可在 Jupyter 笔记本中启用内嵌绘图。将此命令与其他绘图库配合使用，可创建功能强大的可视化。

使用 %matplotlib inline 的最佳实践

使用 %matplotlib inline 时，可参考以下最佳实践：

1. 在笔记本开头添加 matplotlib inline 命令，确保全篇图表显示一致。
2. 在调用该命令前，先导入 matplotlib 库。
3. 如果希望在笔记本中查看图表，即使您的 IDE 默认支持该行为，也请使用 matplotlib inline。这将确保运行顺畅，尤其是当您的代码会被同事复用时。
4. 在重新生成新图表前务必清理旧图，防止内存泄漏。
5. 确保所选图表类型适合您的数据及要传达的结论。

结论

Matplotlib 的 inline 模式是一项便利功能，可提升在 Jupyter 笔记本中使用 Matplotlib 的效率。通过启用图表的内嵌渲染，它能优化从数据中创建、探索并传达洞见的工作流程。

想进一步学习数据可视化，请查看Matplotlib 数据可视化入门。您还可以在这门 Seaborn 课程和这篇关于 Matplotlib 直方图的教程中尝试构建更高级的图表与可视化。