Matplotlib 能够创建多数类型的图表，如条形图，散点图，条形图，饼图，堆叠图，3D 图和地图图表。
import matplotlib.pyplot as plt plt.plot([1,2,3],[5,7,4]) plt.show()
得到如下图表
这个窗口是一个 matplotlib 窗口，它允许我们查看我们的图形，以及与它进行交互和访问。 你可以将鼠标悬停在图表上，并查看通常在右下角的坐标。 你也可以使用按钮。 它们可能在不同的位置，但在上图中，这些按钮在左下角。
Home（主页）
一旦你开始浏览你的图表，主页按钮会帮助你。 如果你想要返回原始视图，可以单击它。 在浏览图表之前单击此按钮将不会生效。
Forward/Back（前进/后退）
这些按钮可以像浏览器中的前进和后退按钮一样使用。 你可以单击这些来移回到你之前的位置，或再次前进。
Pan（平移）
你可以点击平移按钮，之后点击并拖拽你的图表。
Zoom（缩放）
缩放按钮可让你单击它，然后单击并拖动出要放大的方形区域。 放大需要左键单击并拖动。 你也可以右键单击并拖动来缩小。
Configure Subplots（配置子图）
此按钮允许你对图形和绘图配置各种间距选项。 点击它会弹出：
每个蓝色条形都是一个滑块，它允许你调整内边距。 其中有些现在没有任何效果，因为没有任何其他子图。 前四个值调整图形到窗口边缘的边距。 之后wspace和hspace对应于当你绘制多个子图时，它们的水平或竖直间距。
Save（保存）
此按钮允许你以各种形式保存图形。
import matplotlib.pyplot as plt x = [1,2,3] y = [5,7,4] x2 = [1,2,3] y2 = [10,14,12]
这样我们可以画出两个线条，接下来：
plt.plot(x, y, label='First Line') plt.plot(x2, y2, label='Second Line')
在这里，我们绘制了我们已经看到的东西，但这次我们添加另一个参数label。 这允许我们为线条指定名称，我们以后可以在图例中显示它。 我们的其余代码为：
plt.xlabel('Plot Number')
plt.ylabel('Important var')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()使用plt.xlabel和plt.ylabel，我们可以为这些相应的轴创建标签。 接下来，我们可以使用plt.title创建图的标题，然后我们可以使用plt.legend()生成默认图例。 结果图如下：
条形图和直方图
我们先来看条形图：
import matplotlib.pyplot as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend()
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph
Another Line! Whoa')
plt.show()plt.bar为我们创建条形图。 如果你没有明确选择一种颜色，那么虽然做了多个图，所有的条看起来会一样。 这让我们有机会使用一个新的 Matplotlib 自定义选项。 你可以在任何类型的绘图中使用颜色，例如g为绿色，b为蓝色，r为红色，等等。 你还可以使用十六进制颜色代码，如#191970。
接下来，我们会讲解直方图。 直方图非常像条形图，倾向于通过将区段组合在一起来显示分布。 这个例子可能是年龄的分组，或测试的分数。 我们并不是显示每一组的年龄，而是按照 20 ~ 25，25 ~ 30… 等等来显示年龄。 这里有一个例子：
import matplotlib.pyplot as plt
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()产生的图表为：
对于plt.hist，你首先需要放入所有的值，然后指定放入哪个桶或容器。 在我们的例子中，我们绘制了一堆年龄，并希望以 10 年的增量来显示它们。 我们将条形的宽度设为 0.8，但是如果你想让条形变宽，或者变窄，你可以选择其他的宽度。
散点图
散点图通常用于比较两个变量来寻找相关性或分组，如果你在 3 维绘制则是 3 个。
散点图的一些示例代码：
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]
plt.scatter(x,y, label='skitscat', color='k', s=25, marker="o")
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()结果为：
plt.scatter不仅允许我们绘制x和y，而且还可以让我们决定所使用的标记颜色，大小和类型。 有一堆标记选项，请参阅 Matplotlib 标记文档中的所有选项。
plt.scatter(x,y,参数)
比如
s参数====点大小
c =====颜色
marker =====形状
alpha ======透明度