您可能需要阅读matplotlib文档中的这个文档，标题为:

在python shell中使用matplotlib

使用plt.show(block=False)，并在脚本的末尾调用plt.show()。

这将确保脚本完成时窗口不会关闭。

Try

import matplotlib.pyplot as plt
plt.plot([1,2,3])
plt.show(block=False)
# other code
# [...]

# Put
plt.show()
# at the very end of your script to make sure Python doesn't bail out
# before you finished examining.

show()文档说:

在非交互模式下，显示所有图形并阻塞直到图形关闭;在交互模式下，除非在从非交互模式切换到交互模式之前创建了图形，否则没有效果(不推荐)。在这种情况下，它会显示数字，但不会阻塞。 单个实验关键字参数block可以被设置为True或False以覆盖上面描述的阻塞行为。

在许多情况下，将图像保存为硬盘上的.png文件会更方便。原因如下:

优点:

在这个过程中，你可以随时打开、查看和关闭它。当应用程序运行较长时间时，这尤其方便 时间。 什么都不会弹出，你也不会被迫打开窗户。这在处理许多数字时特别方便。 您的图像可用于以后的参考，并且在关闭图形窗口时不会丢失。

缺点:

我唯一能想到的是，你将不得不去查找文件夹，并打开自己的图像。

如果你在控制台工作，即IPython，你可以使用plt.show(block=False)，正如在其他答案中指出的那样。但如果你很懒，你可以输入:

plt.show(0)

这是一样的。

最好总是检查您正在使用的库是否支持以非阻塞的方式使用。

但是如果你想要一个更通用的解决方案，或者如果没有其他方法，你可以通过使用python中包含的多处理模块来运行任何在分离进程中阻塞的东西。计算将继续:

from multiprocessing import Process
from matplotlib.pyplot import plot, show

def plot_graph(*args):
    for data in args:
        plot(data)
    show()

p = Process(target=plot_graph, args=([1, 2, 3],))
p.start()

print 'yay'
print 'computation continues...'
print 'that rocks.'

print 'Now lets wait for the graph be closed to continue...:'
p.join()

这有启动新进程的开销，而且在复杂的场景下有时更难调试，因此我更喜欢其他解决方案(使用matplotlib的非阻塞API调用)