scikit-learn本身不负责绘图，fit()只返回训练对象，plot_tree等需配合%matplotlib inline和plt.show()才能在jupyter中显示；漏掉任一环节都会导致图形不出现。
scikit-learn 本身不负责绘图——它不生成图形，也不调用 plt.show() 或内联渲染。你在 Jupyter 中“看不到图形”，根本不是 scikit-learn 的问题，而是你没用对可视化工具，或者漏了关键渲染指令。
下面直奔常见真实场景，说清楚怎么做、为什么、踩什么坑。
为什么 fit() 之后什么图都没出来？
因为 scikit-learn 的模型训练（比如 clf.fit(X, y)）只返回一个训练好的对象，不画图、不打印、不显示任何可视化内容。如果你期望它自动弹窗或 inline 出决策树/特征重要性图，那是误解。
常见错误现象：
- 运行
clf.fit(X, y)后单元格输出空，或只显示DecisionTreeClassifier(...)文本 - 误以为
sklearn.tree.plot_tree会自动显示——其实它只返回matplotlib.Artist对象，不触发渲染
怎么让 plot_tree 在 Jupyter 里真正显示出来？
sklearn.tree.plot_tree 依赖 matplotlib，但默认不会自动展示。必须配合内联后端 + 显式触发。
实操建议：
- 确保第一块代码单元格中已执行：
%matplotlib inline - 调用
plot_tree后，**必须加plt.show()**，否则只返回对象，不渲染图像 - 别用
fig = plt.figure()手动建图再传给plot_tree(fig=...)—— 容易因尺寸/布局错乱导致空白
正确示例：
%matplotlib inline from sklearn.tree import plot_tree from sklearn.datasets import make_classification from sklearn.tree import DecisionTreeClassifier import matplotlib.pyplot as plt <p>X, y = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, random_state=42) clf = DecisionTreeClassifier(max_depth=3, random_state=42).fit(X, y)</p><p>plt.figure(figsize=(10, 6)) plot_tree(clf, filled=True, rounded=True, fontsize=10, feature_names=['x1', 'x2']) plt.show() # ← 这行不能少</p>
想看特征重要性条形图，为什么 plt.bar() 没反应？
这是典型的「有绘图命令但无显示触发」问题。即使你写了 plt.bar(...)，Jupyter 也不会自动把 figure 推到输出区。
关键点：
-
plt.bar()只是往当前 figure 添加元素，figure 本身还“关着” -
%matplotlib inline是前提，但不是万能——它只让后续的plt.show()或隐式 figure 输出生效 - 如果用了
fig, ax = plt.subplots()，记得最后调用plt.show()或fig.show()（后者在 Jupyter 中不一定可靠）
安全写法：
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
<p>X, y = make_classification(n_samples=1000, n_features=5, n_informative=3, random_state=42)
rf = RandomForestClassifier(n_estimators=100, random_state=42).fit(X, y)</p><h1>直接用 plt.bar，不手动建 fig</h1><p>plt.figure(figsize=(8, 4))
plt.bar(range(len(rf.feature<em>importances</em>)), rf.feature<em>importances</em>)
plt.xticks(range(len(rf.feature<em>importances</em>)), [f'Feature {i}' for i in range(len(rf.feature<em>importances</em>))])
plt.ylabel('Importance')
plt.title('Feature Importances')
plt.show() # ← 必须有</p>
dtreeviz 能直接显示，但为啥 pip install 后还是报 ModuleNotFoundError？
这不是显示问题，是环境隔离问题。Jupyter Notebook 运行时用的 Python kernel 和你 pip install dtreeviz 的环境很可能不一致。
验证和修复步骤：
- 在 notebook 单元格中运行：
import sys; print(sys.executable)，确认路径 - 在终端中，cd 到该路径所在目录（或用
which python/where python查），再执行pip install dtreeviz - 或者更稳妥：在 notebook 里直接用魔法命令安装：
!pip install dtreeviz（注意开头的!） - 安装后务必重启 kernel（Kernel → Restart），否则旧环境缓存仍生效
容易被忽略的一点：dtreeviz 依赖 graphviz，但只装 dtreeviz 不等于装了 graphviz 二进制。Mac 用户需 brew install graphviz，Windows 用户要手动下载并加进 PATH——否则 viz_model.view() 会静默失败，只返回空输出。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
