Python 如何使用tkinter GUI可视化matplotlib预测？

我有一个场景，我对一个特定的数据集进行了预测。现在我想用Tkinter将预测的图形可视化

我的机器学习模型如下所示，由一个图组成：

# Importing Libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import sys

# Importing the Batsmen Dataset
dataset = pd.read_csv('Batsmen/Batsmen.csv')
X = dataset.iloc[:, [1, 2, 3, 4, 5, 6]].values

# Using Elbow Method to find the optimal number of Clusters
from sklearn.cluster import KMeans
wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0)
    kmeans.fit(X)
    wcss.append(kmeans.inertia_)
plt.plot(range(1, 11), wcss)
plt.title('The Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.show()

我尝试如下所示：

from tkinter import *

# these four imports are important
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from matplotlib.figure import Figure

def plot():
    # Importing Libraries
    import numpy as np
    import matplotlib.pyplot as plt
    import pandas as pd
    import sys

    # Importing the Batsmen Dataset
    dataset = pd.read_csv('Batsmen/Batsmen.csv')
    X = dataset.iloc[:, [1, 2, 3, 4, 5, 6]].values

    # Using Elbow Method to find the optimal number of Clusters
    from sklearn.cluster import KMeans
    wcss = []
    for i in range(1, 11):
        kmeans = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0)
        kmeans.fit(X)
        wcss.append(kmeans.inertia_)

root = Tk()

def app():
    # initialise a window.
    root = Tk()
    root.config(background='white')
    root.geometry("1000x700")

    lab = Label(root, text="Live Plotting", bg = 'white').pack()

    fig = Figure()

    ax = fig.add_subplot(111)
    ax.set_title('The Elbow Method')
    ax.set_xlabel('Number of Clusters')
    ax.set_ylabel('WCSS')
    ax.grid()

    graph = FigureCanvasTkAgg(fig, master=root)
    graph.get_tk_widget().pack(side="top",fill='both',expand=True)

def plotter():
    ax.cla()
    ax.grid()
    dpts = plot()
    ax.plot(range(1, 11), wcss, marker='o', color='orange')
    graph.draw()
    time.sleep(1)

def gui_handler():
    threading.Thread(target=plotter).start()

b = Button(root, text="Start/Stop", command=gui_handler, bg="red", fg="white")
b.pack()

root.mainloop()

if __name__ == '__main__':
    app()

但它不起作用

---

我只想在Tkinter GUI上显示预测，当我按下GUI中的预测按钮时，我希望图形显示在GUI画布中。所以，有人能帮我做同样的事情吗。

如果我使用

root.after（）

而不是线程，那么你的代码对我来说很有用

可能在大多数GUI框架中，线程应该（或不能）更改GUI中的元素

在我的计算机上，当我按下运行线程的按钮时，带有线程结尾的YRU代码就工作了

我运行

绘图仪

时不使用

，
睡眠
但
之后（1000，绘图仪）
在1000ms（1s）后再次运行


编辑：在新代码中不运行循环，因此不需要线程或
after（）

但你还有其他基本问题：

您有错误的缩进，并且
mainloop（）
在
app（）
之外-它在
app（）
之前执行

在以前的版本中，
绘图仪
位于
app（）
内部-如果您在外部需要它，那么您的局部变量（如
ax
）有问题-您必须使用
global
才能在其他函数中访问这些变量。或者，您必须使用此值作为参数运行函数-例如，绘图仪（ax、wcss、graph）

这个版本使用

全局

，适合我。我没有你的CSV，也不想运行

sklearn

，所以我放了一些假数据

from tkinter import *

# these four imports are important
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from matplotlib.figure import Figure

def plot():
    # Importing Libraries
    import numpy as np
    import matplotlib.pyplot as plt
    import pandas as pd
    import sys

    # Importing the Batsmen Dataset
#    dataset = pd.read_csv('Batsmen/Batsmen.csv')
    dataset = pd.DataFrame({
        'a': range(10),
        'b': range(10),
        'c': range(10),
        'd': range(10),
        'e': range(10),
        'f': range(10),
        'g': range(10),
    })

    X = dataset.iloc[:, [1, 2, 3, 4, 5, 6]].values

    # Using Elbow Method to find the optimal number of Clusters
    from sklearn.cluster import KMeans

    global wcss
    wcss = range(1, 11)
    #wcss = []
#    for i in range(1, 11):
#        kmeans = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0)
#        kmeans.fit(X)
#        wcss.append(kmeans.inertia_)

def plotter():
    global wcss
    global ax
    global graph

    ax.cla()
    ax.grid()
    dpts = plot()
    ax.plot(range(1, 11), wcss, marker='o', color='orange')
    graph.draw()

def gui_handler():
    plotter()

def app():
    global ax
    global graph

    # initialise a window.
    root = Tk()
    root.config(background='white')
    root.geometry("1000x700")

    lab = Label(root, text="Live Plotting", bg = 'white').pack()

    fig = Figure()

    ax = fig.add_subplot(111)
    ax.set_title('The Elbow Method')
    ax.set_xlabel('Number of Clusters')
    ax.set_ylabel('WCSS')
    ax.grid()

    graph = FigureCanvasTkAgg(fig, master=root)
    graph.get_tk_widget().pack(side="top",fill='both',expand=True)

    b = Button(root, text="Start/Stop", command=gui_handler, bg="red", fg="white")
    b.pack()

    root.mainloop()

if __name__ == '__main__':
    app()

---

阅读并遵循@stovfl注释中的链接。我用这段代码创建了其他示例：@furas，我不清楚嵌入是如何完成的。你能帮我解决这个问题吗？你应该展示你已经尝试了什么，你能做什么，或者提出更精确的问题-Stackoverflow不是一个让别人为你完成整个任务的地方。你几乎没有错误，代码中没有一个错误-所以当你只修复一个错误时，它仍然不起作用。请参阅我的回答中的新代码我对以前的代码感到抱歉。我贴错了。我刚刚编辑并更改为正确的代码。新代码只显示一次，因此不需要线程。如果您运行它时没有线程，那么它可能会工作。是的，我已经删除了它并运行了程序。我得到的错误如下：`ax.cla（）NameError:name'ax'未定义`因为您有局部变量

ax

，您需要知道在另一个函数中如何使用它。

from tkinter import *

# these four imports are important
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from matplotlib.figure import Figure

def plot():
    # Importing Libraries
    import numpy as np
    import matplotlib.pyplot as plt
    import pandas as pd
    import sys

    # Importing the Batsmen Dataset
#    dataset = pd.read_csv('Batsmen/Batsmen.csv')
    dataset = pd.DataFrame({
        'a': range(10),
        'b': range(10),
        'c': range(10),
        'd': range(10),
        'e': range(10),
        'f': range(10),
        'g': range(10),
    })

    X = dataset.iloc[:, [1, 2, 3, 4, 5, 6]].values

    # Using Elbow Method to find the optimal number of Clusters
    from sklearn.cluster import KMeans

    global wcss
    wcss = range(1, 11)
    #wcss = []
#    for i in range(1, 11):
#        kmeans = KMeans(n_clusters=i, init='k-means++', n_init=10, max_iter=300, random_state=0)
#        kmeans.fit(X)
#        wcss.append(kmeans.inertia_)

def plotter():
    global wcss
    global ax
    global graph

    ax.cla()
    ax.grid()
    dpts = plot()
    ax.plot(range(1, 11), wcss, marker='o', color='orange')
    graph.draw()

def gui_handler():
    plotter()

def app():
    global ax
    global graph

    # initialise a window.
    root = Tk()
    root.config(background='white')
    root.geometry("1000x700")

    lab = Label(root, text="Live Plotting", bg = 'white').pack()

    fig = Figure()

    ax = fig.add_subplot(111)
    ax.set_title('The Elbow Method')
    ax.set_xlabel('Number of Clusters')
    ax.set_ylabel('WCSS')
    ax.grid()

    graph = FigureCanvasTkAgg(fig, master=root)
    graph.get_tk_widget().pack(side="top",fill='both',expand=True)

    b = Button(root, text="Start/Stop", command=gui_handler, bg="red", fg="white")
    b.pack()

    root.mainloop()

if __name__ == '__main__':
    app()