Kivy中kivy.garden.matplotlib导入失败，求解决方案及替代库

问题场景 #

使用Kivy结合Matplotlib做数据可视化时，导入kivy.garden.matplotlib模块抛出KeyError: 'kivy.garden.matplotlib'错误，相关代码及错误信息如下：

导入代码 #

from kivy.uix.button import Button
from kivy.uix.spinner import Spinner

import pandas as pd
import matplotlib.pyplot as plt
from kivy.garden.matplotlib.backend_kivyagg import FigureCanvasKivyAgg as FCK

可视化函数代码 #

def view_stats(self):
    plt.cla()
    self.ids.analysis_res.clear_widgets()
    target_product = self.ids.target_product.text
    target = target_product[:target_product.find(' | ')]
    name = target_product[target_product.find(' | '):]

    df = pd.read_csv('products_purchase.csv')
    purchases = []
    dates = []
    count = 0
    for x in range(len(df)):
        if str(df.Product_Code[x]) == target:
            purchases.append(df.Purchased[x])
            dates.append(count)
            count += 1
    plt.bar(dates, purchases, color='teal', label=name)
    plt.ylabel('Total Purchases')
    plt.xlabel('day')

    self.ids.analysis_res.add_widget(FCK(plt.gcf()))

错误信息 #

from kivy.garden.matplotlib.backend_kivyagg import FigureCanvasKivyAgg as FCK
   File "<frozen importlib._bootstrap>", line 1027, in _find_and_load
   File "<frozen importlib._bootstrap>", line 1006, in _find_and_load_unlocked
   File "<frozen importlib._bootstrap>", line 672, in _load_unlocked
   File "<frozen importlib._bootstrap>", line 640, in _load_backward_compatible
KeyError: 'kivy.garden.matplotlib'

解决导入错误的方法 #

1. 正确安装Kivy Garden的Matplotlib组件 #

仅安装kivy-garden和matplotlib不够，需要通过Garden命令安装对应的Matplotlib集成组件：

• 确保已安装kivy-garden：pip install kivy-garden
• 执行安装命令：garden install matplotlib
• 如果使用虚拟环境，需在虚拟环境内执行上述命令，避免路径冲突。

2. 调整导入路径（适配新版环境） #

部分新版Matplotlib已将Kivy后端整合到官方包中，可尝试替换导入语句：

from matplotlib.backends.backend_kivyagg import FigureCanvasKivyAgg as FCK

更易用的替代包 #

1. KivyMD MDChart #

如果使用KivyMD（Kivy的Material Design扩展框架），MDChart组件原生支持图表绘制，无需依赖Matplotlib，语法更贴合Kivy生态，示例用法：

from kivymd.uix.chart import MDChart

# 在view_stats函数中替换为MDChart逻辑
def view_stats(self):
    self.ids.analysis_res.clear_widgets()
    target_product = self.ids.target_product.text
    split_idx = target_product.find(' | ')
    target = target_product[:split_idx]
    name = target_product[split_idx+3:]

    df = pd.read_csv('products_purchase.csv')
    filtered_df = df[df['Product_Code'].astype(str) == target].reset_index(drop=True)
    
    # 构造MDChart所需数据
    chart_data = {
        'x': filtered_df.index.tolist(),
        'y': filtered_df['Purchased'].tolist(),
        'label': name
    }
    bar_chart = MDChart(type_bar=True, data=[chart_data], x_label='day', y_label='Total Purchases')
    self.ids.analysis_res.add_widget(bar_chart)

2. Bokeh #

Bokeh专注于交互式数据可视化，可通过bokeh.plotting生成图表后嵌入Kivy应用，交互性比Matplotlib更强，适合需要缩放、hover提示等用户交互的场景。

3. Plotly #

Plotly支持复杂的交互式图表，可将生成的图表保存为HTML，再通过Kivy的WebView组件加载展示，适合高度定制化的可视化需求。

优化后的Matplotlib可视化函数 #

原函数中的循环筛选效率较低，改为使用Pandas原生筛选提升性能，同时修正名称提取逻辑：

def view_stats(self):
    plt.cla()
    self.ids.analysis_res.clear_widgets()
    target_product = self.ids.target_product.text
    split_idx = target_product.find(' | ')
    target = target_product[:split_idx]
    name = target_product[split_idx+3:]  # 去除前面的" | "

    df = pd.read_csv('products_purchase.csv')
    # 用Pandas筛选替代循环
    filtered_df = df[df['Product_Code'].astype(str) == target].reset_index(drop=True)
    purchases = filtered_df['Purchased'].tolist()
    dates = filtered_df.index.tolist()  # 直接用索引作为日期序列

    plt.bar(dates, purchases, color='teal', label=name)
    plt.ylabel('Total Purchases')
    plt.xlabel('day')
    plt.legend()  # 显示图例

    self.ids.analysis_res.add_widget(FCK(plt.gcf()))

内容的提问来源于stack exchange，提问作者Daniel Alarcón