使用Matplotlib，能够轻易生成各种图像，例如：直方图、波谱图、条形图、散点图等。

入门代码实例

import matplotlib.pyplot as plt
import numpy as np

# 用np.linspace生成50个元素的数组，均匀的分布在（0,2*pi）区间上面
x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)
# 把x;y函数画出来，用黄色的*-线
plt.plot(x, y, "y*-",label="y=sin(x)")
# 把x,y*2函数画出来，用品红的--线
plt.plot(x, y * 2, "m--", label="y=2sin(x)")

plt.legend()
# plt.legend(loc="best")

plt.title("sin(x) & 2sin(x)")  # 设置标题

plt.xlim(0, 6)  # 设置x坐标轴的范围
plt.ylim(-3, 3)    # 设置y坐标轴的范围
# 通过xticks或yticks来设置轴的刻度。
plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2))

plt.xlabel("x")    # 设置x轴的名称
plt.ylabel("y")    # 设置y轴的名称

# 展现
plt.show()

代码解析：

1、通过np.linspace生成50个元素均匀的分布在[0,2pi]区间的数组，

2、plt.plot(x,y，"线的样式",label="标记")　　# 前两个参数时x,y的取值，第三个参数是线的样式，第四个参数是右上角的标记，和plt.legend()配套使用

3、plt.title("****)设置标题

4、plt.xlim()或plt.ylim()设置x坐标轴或者y坐标轴的范围

5、# 通过xticks或yticks来设置轴的刻度。

6、plt.xlabel("x")设置x轴的名称

常见的颜色：

蓝色：b　　青色：c　　红色：r　　黑色：k

绿色：g　　品红：r　　黄色：y　　白色：w

常见的点：

点：.　　方形：s　　圆：o　　像素：,　　三角形：^

常见的线：

直线：-　　虚线： - -　　点线：：　　点划线：-.　　星号：*

运行结果如下：

添加注释

先上代码;

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)
plt.plot(x, y)

x0 = np.pi
y0 = 0

# 画出标注点
plt.scatter(x0, y0, s=50)
# 右边的
plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30, -30),
            textcoords='offset points', fontsize=16,
            arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
# 左边的
plt.text(0.5, -0.25, "sin(np.pi) = 0", fontdict={'size': 16, 'color': 'r'})

plt.show()

有时候我们需要对特定的点进行标注，我们可以使用 plt.annotate 函数来实现。

这里我们要标注的点是 (x0, y0) = (π, 0)。

我们也可以使用 plt.text 函数来添加注释。

对于 annotate 函数的参数，做一个简单解释：

一次性绘制多个图形

当需要两组数据进行对比，或者一组数据的不同展示方式，我们就可以在一个窗口中绘制多个图形。

多个图形窗口——figure

一个figure就是一个图形窗口，matplotlib.pyplot会有一个默认的figure，

import matplotlib.pyplot as plt
import numpy as np

data = np.arange(100, 201)  # 生成一组100到200，步长为1的数组
# 在第一个默认窗口画
plt.plot(data)  # 绘制data

data2 = np.arange(200,301)
plt.figure(figsize=(6, 3))    # 生成一个图形窗口,设置窗口的大小为(6,3)
# 在第二个窗口画
plt.plot(data2) # 绘制data2

plt.show()  # 展现

代码解析：

1、matplotlib在绘制图形的时候都在一个默认的figure中。我们可以通过plt.figure()再创建一个窗口

2、plt.figure()有figsize参数，以数组形式控制窗口的大小

运行结果如下：

多个子图——subplot

　　有时候我们需要将多张子图展示在一起，可以使用 plt.subplot()实现。即在调用plot()函数之前需要先调用 subplot()函数。该函数的第一个参数代表子图的总行数，第二个参数代表子图的总列数，第三个参数代表活跃区域。下面绑定了实例，也可以不绑定。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)

ax1 = plt.subplot(2, 2, 1) # （行，列，活跃区）
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 与 ax1 共享y轴
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(2, 1, 2)  # 将窗口分为两行1列，这个图形占第二列
plt.plot(x, np.cos(x), 'b')

plt.show()

代码解析：

1、subplot(2,2,x)表示将图像窗口分为2行2列。x表示当前子图所在的活跃区域。

2、subplot(2,1,2)将窗口分为两行一列，这个图形画在第二列

3、plt.subplot(2,2,2,sharey=ax1)　　　　# 是与ax1函数共享受一个y轴。

运行结果如下：

注意;subplot函数的参数不仅仅支持上面的这种形式，还可以将三个整数(10之内的)合并一个整数。例如：plt.subplot(2,2,1)可以写成plt.subplot(221),结果是一样的。

常用的图形实例

Matplotlib可以生成非常多的图形，常用的有：线形图、散点图、饼状图、条形图、直方图。我们来依次了解一下。

线形图——plot

先上代码

import matplotlib.pyplot as plt

plt.plot([1,2,3],[3,6,9], "-r")
plt.plot([1,2,3],[2,4,9], ":g")