我就废话不多说了，大家还是直接看代码吧！
import matplotlib
%matplotlib inline
from IPython import display需要刷新的地方，画完图之后添加
display.clear_output(wait=True)
补充知识：jupyter notebook matplotlib绘制动态图并显示在notebook中
有些时候matplotlib 的绘图没法显示在notebook中，或者显示不了。这与backend有关。
首先启动你的notebook，输入
%pylab
查看你的matplotlib后端，我的输出为：
Qt5Agg
这是后端的渲染方式，使用的是qt5渲染。激活方式为在绘图之前插入代码段：
%matplotlib qt5
这样就能显示出图，但是是显示在notebook之外的,如果我使用%matplotlib inline,图的显示并不正常。我也不知道为什么，，，，，，，，，，，，，
如果你输出的后端为其他类型，建议查看下面的资料，直接输入对应的绘图激活方式。
补充知识：matplotlib 常用backend
matplotlib 使用简明教程（一）-基础概念
Matplotlib 是一个用于绘制图表的 Python 库，可以用来处理图片、绘制统计类的图表。
本文分为几篇，主要目的在于说明 Matplotlib 的一些使用方法。第一篇用于介绍 Matplotlib 的一些基本概念。
基本组成
以官网中图片说明 Matplotlib 图表中的基本组成成分。
figure：整个画布，包含一个或多个 axes
axes：画布中的某一个图表，包含一个 plot
artist：元素，包括图中所示的 label、line 等，也包括 plot
backend
每一种输出的能力都叫做一种 backend，在我的理解中有点类似渲染器。
IPython 中的魔法语句 %matplotlib xxxx 就是选择 backend。
选用哪种 backend，其优先级选取如下：
matplotlibrc 文件中的 backend
使用 MPLBACKEND 环境变量
使用 matplotlib.use() 函数，需要在导入 pyplot 前使用
backend 从种类上，分为可交互型（user interface）和不可交互型两种（hardcopy），如果希望查看本地支持的 backend 有哪些，可以使用
matplotlib.rcsetup.interactive_bk # 可交互型
matplotlib.rcsetup.non_interactive_bk # 不可交互型
matplotlib.rcsetup.all_backends # 所有 backend获取当前的 backend 可以使用 matplotlib.pyplot.get_backend()
常用 backend 已在文尾附上。
交互模式
我理解，“交互模式”即代表着这个图标在绘制后可以动态变化，例如预设的动画以及用户的操作。
当开启交互模式后，绘制的图表会自动更新、绘制，如果希望手动更新图表，则使用 draw() 函数；而在非交互模式下，当所有后台绘制完成后，需要使用 show() 函数，才会将最终图表展示出来。
如果希望使用交互模式，需要选用可交互型的 backend。
通过 matplotlib.interactive() 设置交互模式的开启与关闭
通过 matplotlib.is_interactive() 查询当前实发支持交互模式
也可以通过 matplotlib.pyplot.ion() 和 matplotlib.pyplot.ioff() 来开启/关闭交互模式
附：常用 backend
不可交互型
AGG：渲染为 png 文件
PS：渲染为 ps 文件
PDF：渲染为 pdf 文件
SVG：渲染为 svg 文件
Cairo：使用 Cairo 引擎渲染
可交互型
Qt5Agg：使用 Qt5 渲染，IPython 中可使用 %matplotlib qt5
Qt4Agg：使用 Qt4 渲染，IPython 中可使用 %matplotlib qt4
ipympl：使用 ipympl 库，Ipython 中可使用 %matplotlib ipympl
macosx：使用 Cocoa 画布渲染，Ipython 中可使用 %matplotlib osx
nbAgg：Jupyter Notebook 中使用的 backend，Jupyter 中使用 %matplotlib notebook 来激活
WXAgg：使用 wxWidgets 库来渲染，Ipython 中可使用 %matplotlib wx
inline：严格地讲并不是一个 backend，这个 IPython 中的一个语法，表示把图表嵌入笔记中，使用 %matplotlib inline