%matplotlib是IPython中的一个神奇函数。为了方便阅读，我将在此处引用相关文档：

IPython有一组预定义的“魔法函数”，您可以使用命令行样式的语法调用这些函数。有两种魔法，面向行和面向单元格。行magics以%字符为前缀，其工作方式与OS命令行调用非常相似：它们将行的其余部分作为参数，其中传递的参数不带括号或引号。行魔法可以返回结果，并且可以在赋值的右侧使用。单元格magics的前缀是双%%，它们是一个函数，不仅可以将行的其余部分作为参数，还可以将其下面的行作为单独的参数。

%matplotlib inline将matplotlb的后端设置为“inline”后端：

使用此后端，绘图命令的输出在前端（如Jupyter笔记本）直接显示在生成它的代码单元的下方。生成的绘图也将存储在笔记本文档中。

使用“内联”后端时，matplotlib图形将包含在笔记本中的代码旁边。还可能值得阅读如何使IPython笔记本matplotlib绘图内联，以了解如何在代码中使用它。

如果您也想要交互性，可以使用nbagg后端和%matplotlib笔记本（在IPython 3.x中），如下所述。

从IPython 5.0和matplotlib 2.0开始，可以避免使用IPython的特殊魔力和用途matplotlib.pyplot.ion（）/matplotlib.pyplot.ioff（）在IPython之外工作的优势。

ipython文档

%matplotlib是IPython中的一个神奇函数。为了方便阅读，我将在此处引用相关文档：

IPython有一组预定义的“魔法函数”，您可以使用命令行样式的语法调用这些函数。有两种魔法，面向行和面向单元格。行magics以%字符为前缀，其工作方式与OS命令行调用非常相似：它们将行的其余部分作为参数，其中传递的参数不带括号或引号。行魔法可以返回结果，并且可以在赋值的右侧使用。单元格magics的前缀是双%%，它们是一个函数，不仅可以将行的其余部分作为参数，还可以将其下面的行作为单独的参数。

%matplotlib inline将matplotlb的后端设置为“inline”后端：

使用此后端，绘图命令的输出在前端（如Jupyter笔记本）直接显示在生成它的代码单元的下方。生成的绘图也将存储在笔记本文档中。

使用“内联”后端时，matplotlib图形将包含在笔记本中的代码旁边。还可能值得阅读如何使IPython笔记本matplotlib绘图内联，以了解如何在代码中使用它。

如果您也想要交互性，可以使用nbagg后端和%matplotlib笔记本（在IPython 3.x中），如下所述。

我认为，在Jupyter/matplotlib的最新版本中，图形是“内联”绘制的，无需使用%matplotlib内联。

所以有人可能会认为这个命令现在是无用的…但据我理解，它创建了一个配置绘图参数的“管理器”。Matplotlib在创建地物时查找现有管理器，并在必要时创建一个管理器。matplotlib.pyplot.figure内部：

    manager = _pylab_helpers.Gcf.get_fig_manager(num)
    if manager is None:
        # not relevant stuff…
        manager = new_figure_manager(
            num, figsize=figsize, dpi=dpi,
            facecolor=facecolor, edgecolor=edgecolor, frameon=frameon,
            FigureClass=FigureClass, **kwargs)

现在，设置绘图参数（rcParams）本身不会创建“管理器”。因此，当第一次绘制地物时，将创建一个新的管理器，并覆盖您的参数。

注释/取消注释%matplotlib内联并查看结果。（不要忘记在每次尝试之间重新启动内核！）

import matplotlib.pyplot as plt
from matplotlib.image import imread
# %matplotlib inline

plt.rcParams["figure.dpi"] = 200
plt.imshow(imread("path_to_your_image"))
print(plt.rcParams["figure.dpi"])

这仅仅意味着，我们作为代码的一部分创建的任何图形都将出现在同一个笔记本中，而不是出现在单独的窗口中，如果我们没有使用这个神奇的语句，就会出现这种情况。

这不是强制性的。如果没有（%matplotlib）魔法函数，它对我来说很好。我使用的是Anaconda附带的Sypder编译器。