如何在Jupyter中用Matplotlib方法修改SymPy绘图属性

问题背景 #

在普通Python脚本中，以下代码可正常运行并生成符合预期的绘图：

from sympy import *
x = symbols('x')
p = plot(x, x*(1-x), (x, 0, 1))
ax = p._backend.ax[0]
ax.set_yticks((0, .05, .25))
p._backend.fig.savefig('Figure_1.png')

但将这段代码复制到Jupyter Notebook单元格中运行时，会得到异常的绘图效果。需要确认是否能在Jupyter Notebook中操作SymPy plot的隐藏属性，以及实现方法。

解决方案 #

可以在Jupyter Notebook中操作SymPy plot的隐藏属性，核心是阻止绘图在修改前自动渲染，具体实现有两种方法：

方法1：创建绘图时指定show=False #

1. 初始化绘图时添加show=False参数，避免Jupyter自动渲染初始状态的图
2. 修改隐藏属性（如坐标轴刻度）
3. 手动调用show()方法显示修改后的图，同时可正常保存图片

示例代码：

from sympy import *
x = symbols('x')
# 创建绘图时不自动显示
p = plot(x, x*(1-x), (x, 0, 1), show=False)
# 获取Axes对象修改刻度
ax = p._backend.ax[0]
ax.set_yticks((0, .05, .25))
# 手动显示修改后的图
p.show()
# 保存图片
p._backend.fig.savefig('Figure_1.png')

方法2：修改后重新触发渲染 #

如果已经创建了自动显示的绘图，可通过直接引用figure对象重新触发渲染，让修改生效：

from sympy import *
x = symbols('x')
p = plot(x, x*(1-x), (x, 0, 1))
# 修改坐标轴刻度属性
ax = p._backend.ax[0]
ax.set_yticks((0, .05, .25))
# 重新渲染当前figure
p._backend.fig

原理说明 #

Jupyter Notebook中，SymPy的plot对象会在创建完成后自动触发渲染逻辑，此时后续对_backend属性的修改不会影响已显示的图。通过show=False延迟渲染，或修改后重新触发渲染，就能确保修改后的属性被应用到最终显示的图上。

内容的提问来源于stack exchange，提问作者gboffi