嗯，我确实建议使用包装器来渲染或控制绘图。示例可以是mpltex(https://github.com/liuyxpp/mpltex)或prettyplotlib(https://github.com/olgabot/prettyplotlib).

import mpltex

@mpltex.acs_decorator
def myplot():
  plt.figure()
  plt.plot(x,y,'b-',lable='xxx')
  plt.tight_layout(pad=0.5)
  plt.savefig('xxxx')  # the figure format was controlled by the decorator, it can be either eps, or pdf or png....
  plt.close()

我基本上经常使用这个装饰器在美国化学学会、美国物理学会、美国光学学会、Elsivier等各种期刊上发表学术论文。

示例如下图所示(https://github.com/MarkMa1990/gradientDescent):

解决方案是：

pylab.savefig('foo.png')

解决方案：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.style.use('ggplot')
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
plt.figure()
ts.plot()
plt.savefig("foo.png", bbox_inches='tight')

如果您想显示图像并保存图像，请使用：

%matplotlib inline

之后导入matplotlib

其他答案是正确的。然而，我有时发现我想稍后打开地物对象。例如，我可能希望更改标签大小、添加网格或执行其他处理。在一个完美的世界里，我只需重新运行生成情节的代码，并调整设置。唉，世界并不完美。因此，除了保存为PDF或PNG外，我还添加了：

with open('some_file.pkl', "wb") as fp:
    pickle.dump(fig, fp, protocol=4)

像这样，我可以稍后加载地物对象并根据需要操作设置。

我还为堆栈中的每个函数/方法编写了带有源代码和locals（）字典的堆栈，以便稍后可以确切地知道是什么生成了该图。

注意：要小心，因为有时这种方法会生成巨大的文件。

你可以这样做：

def plotAFig():
  plt.figure()
  plt.plot(x,y,'b-')
  plt.savefig("figurename.png")
  plt.close()

如前所述，您可以使用：

import matplotlib.pyplot as plt
plt.savefig("myfig.png")

用于保存您正在显示的任何IPhython图像。或者换个角度（从不同的角度看），如果你曾经使用过open cv，或者你已经导入了open cv的话，你可以去：

import cv2

cv2.imwrite("myfig.png",image)

但这只是为了以防万一，如果您需要使用OpenCV。否则plt.savefig（）就足够了。