matplotlib 需要先定义数据范围，有些麻烦，发现 python 有一个 sympy 包，专门处理符号数学的，有点类似 matlab 里面的符号函数，用它来画图方便多了。 还有一个更方便的 mpmath 包，可以结合 lambda 表达式使用，它与前者相比不用事先定义符号变量。

一、二维图像

画 [-10, 10]  范围内的 y=x 2  y=x2y=x^2：

(1) 使用 matlab

ezplot('x^2',[-10,10])

 一行代码，非常简单

(2)  使用 mpmath 包里面的画图

import mpmath as mp

mp.plot(lambda x: x*x, [-10, 10])

(3) Pyton  使用 sympy 包里面的画图

from sympy.plotting import plot
from sympy import symbols

x = symbols('x')
p2 = plot(x*x, (x, -10, 10))

需要四行代码

(4) 使用 matplotlib 画图

import matplotlib.pyplot as plt
import numpy as np

x= np.arange(-10, 10, 0.1)
plt.plot(x*x)

也需要四行代码，画的图稍微简略

二、三维图像

画函数[-3, 3], [-2, 2] 内的 z=xe ?x 2 ?y 2  z=xe?x2?y2z=xe^{-x^2-y^2}
(1) 使用matlab 画

ezmesh(@(x,y)x.*exp(-x.^2-y.^2),[-3,3], [-2,2])1

(2) 使用 mpmath 包画

import mpmath as mp
import math

mp.splot(lambda x, y: x*math.exp(-x*x-y*y))

(3) 使用 sympy 画

from sympy import symbols
from sympy.plotting import plot3d
from sympy.functions import exp

x, y = symbols('x y')
plot3d(x*exp(-x**2-y**2), (x, -3, 3), (y, -2, 2))

(4) 使用 matplotlib 画

from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-3, 3, 0.1)
Y = np.arange(-2, 2, 0.1)
X, Y = np.meshgrid(X, Y)
Z = X*np.exp(-X**2 - Y**2)
ax.plot_surface(X, Y, Z)
plt.show()

综合看来，画图还是 matlab 最好看方便， mpmath 画 2d 图不错，但是 3d 图太粗糙了； sympy 中规中矩； matplotlib 太费代码了。