使用matplotlib.pyplot时，必须先保存绘图，然后使用以下两行关闭绘图：

fig.savefig('plot.png') # save the plot, place the path you want to save the figure in quotation
plt.close(fig) # close the figure window

正如其他人所说，plt.savefig（）或fig1.savefig）确实是保存图像的方法。

然而，我发现在某些情况下，数字总是显示出来的。（例如，Spyder具有plt.ion（）：交互式模式=打开。）强制关闭图形窗口：

plt.close（figure_object）

（参见文档）。这样，在一个大循环中，我就不会有一百万个未结数字。示例用法：

import matplotlib.pyplot as plt
fig, ax = plt.subplots( nrows=1, ncols=1 )  # create figure & 1 axis
ax.plot([0,1,2], [10,20,3])
fig.savefig('path/to/save/image/to.png')   # save the figure to file
plt.close(fig)    # close the figure window

如果需要，您可以稍后使用图show（）重新打开该图（我自己没有测试）。

我使用了以下方法：

import matplotlib.pyplot as plt

p1 = plt.plot(dates, temp, 'r-', label="Temperature (celsius)")  
p2 = plt.plot(dates, psal, 'b-', label="Salinity (psu)")  
plt.legend(loc='upper center', numpoints=1, bbox_to_anchor=(0.5, -0.05),        ncol=2, fancybox=True, shadow=True)

plt.savefig('data.png')  
plt.show() 
plt.close()

我发现保存图片后使用plt.show非常重要，否则它将无法工作。图片以png格式导出

只是一个额外的注释，因为我还不能评论帖子。

如果您使用的是plt.savefig（'myfig'）或类似行，请确保在保存图像后添加plt.clf（）。这是因为savefig不会关闭绘图，如果在没有plt.clf（）的情况下添加到绘图，则会添加到上一个绘图。

你可能不会注意到你的情节是否与之前的情节相似，但如果你在循环中保存你的数字，情节将慢慢变得庞大，并使你的脚本变得非常缓慢。

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。

根据问题Matplotlib（pyplot）savefig输出空白图像。

有一点需要注意：如果您使用plt.show，并且它应该在plt.savefig之后，否则您将给出一个空白图像。

详细示例：

import numpy as np
import matplotlib.pyplot as plt


def draw_result(lst_iter, lst_loss, lst_acc, title):
    plt.plot(lst_iter, lst_loss, '-b', label='loss')
    plt.plot(lst_iter, lst_acc, '-r', label='accuracy')

    plt.xlabel("n iteration")
    plt.legend(loc='upper left')
    plt.title(title)
    plt.savefig(title+".png")  # should before plt.show method

    plt.show()


def test_draw():
    lst_iter = range(100)
    lst_loss = [0.01 * i + 0.01 * i ** 2 for i in xrange(100)]
    # lst_loss = np.random.randn(1, 100).reshape((100, ))
    lst_acc = [0.01 * i - 0.01 * i ** 2 for i in xrange(100)]
    # lst_acc = np.random.randn(1, 100).reshape((100, ))
    draw_result(lst_iter, lst_loss, lst_acc, "sgd_method")


if __name__ == '__main__':
    test_draw()