Python Matplotlib直方图破坏线性回归

我正在用scikit learn拟合一个线性回归模型。模型的训练本身工作良好，运行时没有错误。问题是，如果在训练模型之前使用matplotlib绘制数据集的直方图，这将导致训练模型时出错。我已经发现，在训练模型之前绘制任何matplotlib直方图都会导致错误，因此在创建直方图时与操作数据集无关

以下是我的库版本号：

numpy 1.19.0
scikit-learn 0.23.0
matplotlib 3.1.0
pandas 1.0.5 

最小可复制示例（改编自官方sklearn）

导入matplotlib.pyplot作为plt
将numpy作为np导入
从sklearn导入数据集，线性_模型
plt.hist（[1,2,3]）
plt.show（）
糖尿病X，糖尿病y=数据集。加载糖尿病（返回值为真）
糖尿病=糖尿病[：，np.newaxis，2]
糖尿病列车=糖尿病列车[：-20]
糖尿病试验=糖尿病试验[-20:]
糖尿病列车=糖尿病列车[：-20]
糖尿病检查=糖尿病检查[-20:]
regr=线性模型。线性回归（）
康复训练（糖尿病训练、糖尿病训练）

产生的错误：

回溯（最近一次呼叫最后一次）：
文件“test2.py”，第15行，在regr.fit中（糖尿病列车，糖尿病列车）
文件“base.py”，第547行，适合linalg.lstsq（X，y）
lstsq中的文件“basic.py”，第1226行
%（-info，lapack_驱动程序））
ValueError:内部None的第4个参数中的值非法

我的代码中的最小示例：

从sklearn导入数据集
将sklearn.model_选择导入为ms
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
将numpy作为np导入
从sklearn.linear\u模型导入线性回归
plt.hist（[1,2,3,4,5,6,7,8,9]）
plt.show（）
dataset\u boston=datasets.load\u boston（返回\u X\u y=False）
索引=列表（范围（0，len（dataset_boston.data）））
dataframe=pd.dataframe（数据=dataset\u boston.data，索引=index，列=dataset\u boston.feature\u名称）
targets=pd.DataFrame（data=dataset\u boston.target，index=index，columns=['target']）
数据帧['target']=目标
dataframe=dataframe.replace（[np.inf，-np.inf]，np.nan）
dataframe=dataframe.dropna（）
训练集ex4，测试集ex4=ms.train\u test\u split（数据帧，测试大小=0.2，随机状态=42，随机=True）
列车示例=列车组ex4.loc[：，列车组ex4.columns！=“目标”]
列车目标=列车设置ex4[“目标”]
reg=线性回归（）
注册匹配（训练示例、训练目标）

产生的错误：

回溯（最近一次呼叫最后一次）：
文件“test.py”，第25行，在reg.fit中（训练示例，训练目标）
文件“base.py”，第547行，适合linalg.lstsq（X，y）
lstsq中的文件“basic.py”，第1223行
raise LinAlgError（“SVD未在线性最小二乘中收敛”）
numpy.linalg.LINALGEROR：SVD没有以线性最小二乘收敛

---

删除柱状图后，这两个示例运行时没有任何错误。我是否做错了什么，或者使用的某个库中是否存在错误？

这可能是一个猜测，但如果您碰巧在最近更新的Windows 10上运行，您可能会像其他人一样受到影响，请参见潜在的相关讨论，这可能是一个猜测，但是，如果您碰巧在最近更新的Windows 10上运行，您可能会像其他人一样，受到来自的影响，请参阅潜在的相关讨论和