首先，让我开始说，通过调用
_test_chart几个线程可以更轻松地重现
from threading import Threadfor i in xrange(2): Thread(target=_test_chart).start()
执行上述操作后，一个将按预期工作，而第二个将崩溃。
这样做的简单原因是pyplot模块不是为多线程设计的，因此，两个图表在尝试绘制时会混淆它们的数据。
可以用mdboom更好地解释
…
pyplot用于在命令行方便地进行绘制，并保持全局状态。例如，当您说plt.figure（）时，它会将图形添加到全局列表中，然后将“当前图形”指针设置为最近创建的图形。然后，随后的绘图命令将自动写入该图形。显然，这不是线程安全的…
有两种方法可以解决此问题，
强制在不同的过程中绘制这些图表。
for i in xrange(2):
pool = Pool(processes=1)
pool.apply(_test_chart)
尽管这将起作用，但是您会发现性能显着下降，因为创建流程和生成图表所花的时间通常一样长（我认为这是不可接受的！）
真正的解决方案是使用Matplotlib的OO接口模块，该模块然后将允许您使用正确的对象-本质上，这适用于处理子图而不是图。对于问题中的给定示例，这类似于以下内容
def _test_chart2():
delta = 0.5x = arange(-3.0, 4.001, delta)y = arange(-4.0, 3.001, delta)X, Y = np.meshgrid(x, y)Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)Z = (Z1 - Z2) * 10fig = figure(figsize=(10, 5))ax1 = fig.add_subplot(111)extents = [x.min(), x.max(), y.min(), y.max()]im = ax1.imshow(Z, interpolation='spline36', extent=extents, origin='lower', aspect='auto', cmap=cm.jet)ax1.contour(X, Y, Z, 10, colors='k')jpg_image_buffer = cStringIO.StringIO()fig.savefig(jpg_image_buffer)array = base64.b64enpre(jpg_image_buffer.getvalue())jpg_image_buffer.close()return array
