如何在Shell环境中使用Matplotlib绘制PySpark SQL查询结果

嘿，我懂你碰到的问题了——在PySpark Shell里运行Matplotlib代码，结果只返回了<matplotlib.axes.AxesSubplot object at 0x7f1cd604b690>这样的对象，却看不到实际的图表，对吧？这是因为Shell环境下Matplotlib的默认设置和交互式笔记本（比如Jupyter）不一样，得调整几步才能让图表显示出来。

下面是具体的解决步骤：

1. 先确认Matplotlib的后端设置 #

Matplotlib需要合适的后端来渲染图表，在Shell环境里默认可能不是交互式的。导入Matplotlib后，先设置一个支持交互式显示的后端：

import matplotlib.pyplot as plt
# 根据你的系统选择合适的后端，比如TkAgg、QtAgg或者GTK3Agg
plt.switch_backend('TkAgg')

如果你的系统没有这些后端依赖，也可以用Agg后端（非交互式），但这种情况只能把图表保存成文件，没法实时显示。

2. 生成图表后必须调用plt.show() #

你之前的代码应该只是执行了绘图操作，但没触发显示。不管你是用Pandas的plot方法还是直接用Matplotlib的API，最后都要加上plt.show()来弹出图表窗口。举个完整的例子：

# 假设你已经从PySpark SQL拿到了结果DataFrame
from pyspark.sql import SparkSession

spark = SparkSession.builder.appName("MatplotlibDemo").getOrCreate()
# 示例数据：创建一个简单的PySpark DataFrame
data = [("A", 10), ("B", 20), ("C", 15)]
df = spark.createDataFrame(data, ["category", "count"])

# 转换成Pandas DataFrame（因为Matplotlib不直接支持PySpark DataFrame）
pandas_df = df.toPandas()

# 绘图
pandas_df.plot(kind='bar', x='category', y='count')
plt.title('Category Count Distribution')
plt.xlabel('Category')
plt.ylabel('Count')

# 关键：调用show()显示图表
plt.show()

执行这段代码后，应该就能弹出一个包含图表的窗口了。

3. 如果是远程服务器上的PySpark Shell #

如果你是通过SSH连接到远程服务器运行PySpark Shell，那直接显示图表可能会有问题（因为没有图形界面）。这种情况下，你可以把图表保存成图片文件：

# 替换plt.show()为savefig()
plt.savefig('category_count_plot.png')

运行后，服务器上就会生成category_count_plot.png文件，你可以把它下载到本地查看。

最后解释下为什么会返回那个AxesSubplot对象：其实这是正常的——plot()方法本身就会返回对应的坐标轴对象，只是在Shell环境下，没有自动触发显示，所以你只看到了这个对象的描述，加上plt.show()就能让图表显示出来啦。

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