做毕设，需要用PySide2去显示一个matplotlib图像，但是又得显示到指定标签页，网上基本上都是用canvas，但是又没有指定到某确定位置的方法，这对本菜鸡实在为难。
看了不少Stack Overflow答案都没有对口的，最后还是通过参考《Pyside2中嵌入Matplotlib的绘图》做了出来。

---

更新，下面这个绘制Precision-Recall曲线的例子对初学者可能有点难，新写了一个文章

---

一、目的：在PR标签页去绘制一个模型的Precision-Recall的曲线

用到的控件及命名为：

二、定义一个类，继承FigureCanvas

import matplotlib
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
import matplotlib.pyplot as plt
 
matplotlib.use("Qt5Agg")  # 声明使用QT5

class MyFigureCanvas(FigureCanvas):
    """
    通过继承FigureCanvas类，使得该类既是一个PyQt5的Qwidget，又是一个matplotlib的FigureCanvas，这是连接pyqt5与matplotlib的关键
    """

    def __init__(self, parent=None, width=10, height=5, dpi=100):
        # 创建一个Figure
        self.fig = plt.Figure(figsize=(width, height), dpi=dpi, tight_layout=True)  # tight_layout: 用于去除画图时两边的空白

        FigureCanvas.__init__(self, self.fig)  # 初始化父类
        self.setParent(parent)

        self.axes = self.fig.add_subplot(111)  # 添加子图
        self.axes.spines['top'].set_visible(False)  # 去掉绘图时上面的横线
        self.axes.spines['right'].set_visible(False)  # 去掉绘图时右面的横线

注意：导包时，要将 PySide2 和 UI 的包 放在 matplotlib 相关包 的 前面

三、定义一个共享类，方便保存绘制的图像

class SI:
	n_classes = 5
    Y_test = None               # one-hot后的 Y_pred
    Y_pred = None               # one-hot后的 Y_test
    y_scores = None

    # 存储图像
    figPR = None

四、窗口，实现button点按绘制显示与保存

下面程序用到Qt Designer设计好的Win_Main窗口中的ui控件都叫self.ui.name，如self.ui.btn_show_PRgraph

import os
from time import localtime, strftime
from sklearn.metrics import precision_recall_curve, roc_curve, roc_auc_score, auc
from sklearn.metrics import average_precision_score
from PySide2.QtWidgets import QApplication, QMessageBox, QFileDialog, QGraphicsScene

import matplotlib
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
import matplotlib.pyplot as plt
matplotlib.use("Qt5Agg")  # 声明使用QT5

class Win_Main:
	# 1、初始化
    def __init__(self):

        self.ui = QUiLoader().load("main.ui")   # 注意是对ui实例化
		...				# 此处省略其他标签页的初始化

        # 第3个Tab——PR
        self.graph_content_PR = MyFigureCanvas(width=self.ui.PRgraph.width() / 101,
                                            height=self.ui.PRgraph.height() / 101
                                            )
        self.graphic_scene_PR = QGraphicsScene()  # 创建一个QGraphicsScene

        self.ui.btn_show_PRgraph.clicked.connect(self.plot_PR)  # 生成ROC
        self.ui.btn_save_PRgraph.clicked.connect(self.save_PR)  # 保存ROC
        
	# 2、绘制PR曲线
    def plot_PR(self):

        self.graph_content_PR.axes.clear()      # 每次绘制时需要清空之前的图像

        y_test = SI.Y_test						# 这个得你自己去把Y_test到SI类中保存下
        y_score = SI.y_scores					# 这个得你自己去把y_scores到SI类中保存下
        n_classes = SI.n_classes				# 这个得你自己去把n_classes到SI类中保存下

        # Plot the macro-averaged Precision-Recall curve
        # For each class
        precision = dict()
        recall = dict()
        average_precision = dict()
        for i in range(n_classes):
            precision[i], recall[i], _ = precision_recall_curve(y_test[:, i],
                                                                y_score[:, i])
            average_precision[i] = average_precision_score(y_test[:, i], y_score[:, i])

        # A "macro-average": quantifying score on all classes jointly
        precision["macro"], recall["macro"], _ = precision_recall_curve(y_test.ravel(),
                                                                        y_score.ravel())
        average_precision["macro"] = average_precision_score(y_test, y_score,
                                                             average="macro")
        print('Average precision score, macro-averaged over all classes: {0:0.2f}'
              .format(average_precision["macro"]))

        # plt.figure()
        # self.graph_content_PR.axes.plot(recall['macro'], precision['macro'], where='post')    # 可以用plot直接代替（去掉where参数）
        self.graph_content_PR.axes.plot(recall['macro'], precision['macro'])

        self.graph_content_PR.axes.set_xlabel('Recall')
        self.graph_content_PR.axes.set_ylabel('Precision')
        self.graph_content_PR.axes.set_ylim([0.0, 1.05])
        self.graph_content_PR.axes.set_xlim([0.0, 1.0])
        self.graph_content_PR.axes.set_title(
            'Average precision score, macro-averaged over all classes: AP={0:0.3f}'
                .format(average_precision["macro"]))
        SI.figPR = self.graph_content_PR.fig

        # 加载的图形（FigureCanvas）不能直接放到graphicview控件中，必须先放到graphicScene，然后再把graphicscene放到graphicview中
        # 即 FigureCanvas -> graphicScene -> graphicview
        self.graphic_scene_PR.addWidget(self.graph_content_PR)  # 把图形放到QGraphicsScene中，注意：图形是作为一个QWidget放到放到QGraphicsScene中的
        self.ui.PRgraph.setScene(self.graphic_scene_PR)  # 把QGraphicsScene放入QGraphicsView
        self.ui.PRgraph.show()  # 调用show方法呈现图形
        
	# 3、保存PR曲线
    def save_PR(self):

        # 给导出名加个时间戳
        time_str = strftime("%Y_%m_%d_%H_%M_%S", localtime())
        toPath = f"PR_curve_{time_str}.png"     # _{SI.trainFileNames[0]}
        if os.path.exists(toPath):
            pass
        else:
            SI.figPR.savefig(toPath)
            # img.imsave(toPath)
            QMessageBox.information(
                self.ui,
                "保存成功！",
                "已经保存到本文件夹"
            )

最后调用即可

app = QApplication([])
SI.loginWin = Win_Main()
SI.loginWin.ui.show()
app.exec_()