matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。该包下面有很多对象，比如pylab，pyplot等等，pylab集成了pyplot和numpy两个模块，能够进行快速绘图。Pylab和pyplot(http://matplotlib.org/api/pyplot_api.html)都能够通过对象或者属性对图像进行操作。Pyplot下也有很多对象，如figure，Axes对象等等，对图像进行细节处理。下面通过一些简单和常用的例子进行操作。
通过pyplot画散点图，调用scatter函数，同时该函数也可以画不同大小点的散点图。例子如下：
# .*.coding : utf-8 .*.
import numpy as np
import matplotlib.pyplot as pltx = np.arange(0,20,2)y = np.linspace(0,20,10)
plt.figure()
plt.scatter(x,y,c='r',marker='*')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('$X*Y$')
plt.show()2．画曲线图，通过plot函数画曲线图，如下：
import numpy as np
import random
from matplotlib import pylab as pl
from matplotlib import pyplot as plt
#画一条曲线图
plt.figure(figsize=(8,6)) #设置图形的尺寸，单位为英尺
x = np.random.randn(10)*10
y = np.pi*np.sin(x) + 8
x1 = np.arange(0,10,1)
#lines = plt.plot(x,y)
plt.plot(x,y,label = '$np.pi*np.sin(x)+8$',color='red',linewidth = 2)plt.plot(x,y,'bo')
plt.title('Y=a*sin(x)+b')
plt.ylabel('Function-Y')
plt.xlabel('Var-X')
plt.legend() #图形的右上角显示图形的标签，和上面的plt.plo(x,y,label='')有关
#plt.setp(lines,color = 'r',linewidth = 2.5)
plt.show()3． 将图像画在多个轴上面，并在一个figure中。可以通过subplot，还有ubplot2grid等等方式均可实现。
import numpy as np
import matplotlib.pylab as plt'''将图形画在一个矩阵制定的表中，利用subplot，plot()中放有多个自变量和函数,画多坐标图'''def f(t):
return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
plt.figure(1)
plt.subplot(211) #subplot(numRows, numCols, plotNum),如：subplot(221)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.title('pylab first example',fontsize = 16)
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.title('pylab second example',fontsize = 16)
plt.show()4. 使用text将文本表现在图中，并对图像之间进行设置，坐标设置等。
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
#通过对象的形式文本作图
fig = plt.figure()
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')#figure的标题ax = fig.add_subplot(111) #figure下的坐标图axfig.subplots_adjust(top=0.85)
ax.set_title('axes title') #给ax设置标题
ax.set_xlabel('xlabel') #给ax设置横坐标
ax.set_ylabel('ylabel') #给ax设置纵坐标
ax.text(3, 8, 'boxed italics text in data coords', style='italic',
bbox={'facecolor':'red', 'alpha':0.5, 'pad':10})
ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
ax.text(3, 2, unicode('unicode: Institut f\374r Festk\366rperphysik', 'latin-1'))
ax.text(0.95, 0.01, 'colored text in axes coords',
verticalalignment='bottom', horizontalalignment='right',
transform=ax.transAxes,
color='green', fontsize=15)ax.plot([2], [1], 'o') #ax画图，以及下面添加注释ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
arrowprops=dict(facecolor='black', shrink=0.05))
ax.axis([0, 10, 0, 10]) #设置横-纵轴的刻度
plt.show()5． 通过hist画直方图
import numpy as np
import matplotlib.pyplot as pltx = np.arange(0,1000,0.5)y = np.random.rand(2000)*10
n,bins,patches = plt.hist(y,50,normed=1,alpha=0.8)
plt.title('Hist of Y')
plt.xlabel('Smarts')
plt.ylabel('NormProbability')
plt.text(2,0.12,'$\mu=10,\\sigma=20$')
plt.grid(True)
plt.show()6． 通过bar画条形图
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0,1000,0.5)
y = np.random.rand(2000)*10n,bins,patches = plt.hist(y,50,normed=1,alpha=0.8)plt.title('Hist of Y')
plt.xlabel('Smarts')
plt.ylabel('NormProbability')
plt.text(2,0.12,'$\mu=10,\\sigma=20$')
plt.grid(True)
plt.show()7. 对图形中的重要点进行注释，采用annotate实现改功能。具体用法可以采用官方文档。如下：
# .*. coding : utf-8 .*.
import numpy as np
import matplotlib.pyplot as pltx = np.arange(-10,10,1)y = 2*(x**2)-5*x+np.pi
maxy = min(y)
maxyx = x[np.argmin(y)]
plt.figure()
plt.plot(x,y,'-',color='red',linewidth=2.5,label='$2*(x^2)-5*x+np.pi$')
plt.annotate('Max y at points',xy=(maxyx,maxy),xytext=(maxyx+1,maxy+10),
arrowprops=dict(facecolor='black', shrink=0.01),fontsize=12)
#xy为注释的点，xytext注释点文本的位置
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(-11,11)
plt.title('plot of y=x^2')plt.show()matplotlib官方文档中包含可很多画图的方法，如时间序列方面的处理，如：acorr；图像的处理，信号处理，数学公式等等。官方文档（http://matplotlib.org/py-modindex.html）
