Python画图主要用到matplotlib这个库。具体来说是pylab和pyplot这两个子库。这两个库可以满足基本的画图需求。
pylab神器：pylab.rcParams.update(params)。这个函数几乎可以调节图的一切属性，包括但不限于：坐标范围，axes标签字号大小，xtick,ytick标签字号，图线宽，legend字号等。
scatter和plot函数的不同之处
scatter才是离散点的绘制程序，plot准确来说是绘制线图的，当然也可以画离散点。
scatter/scatter3做散点的能力更强，因为他可以对散点进行单独设置所以消耗也比plot/plot3大所以如果每个散点都是一致的时候，还是用plot/plot3好以下如果要做一些plot没法完成的事情那就只能用scatter了
scatter强大，但是较慢。所以如果你只是做实例中的图，plot足够了。
plt.ion()用于连续显示。
#plottherealdatafig=plt.figure()ax=fig.add_subplot(1,1,1)ax.scatter(x_data,y_data)plt.ion()#本次运行请注释，全局运行不要注释plt.show()
首先在python中使用任何第三方库时，都必须先将其引入。即：
importmatplotlib.pyplotasplt1或者：
frommatplotlib.pyplotimport*1.建立空白图fig=plt.figure()也可以指定所建立图的大小
fig=plt.figure(figsize=(4,2))也可以建立一个包含多个子图的图，使用语句：
plt.figure(figsize=(12,6))plt.subplot(231)plt.subplot(232)plt.subplot(233)plt.subplot(234)plt.subplot(235)plt.subplot(236)plt.show()其中subplot()函数中的三个数字，第一个表示Y轴方向的子图个数，第二个表示X轴方向的子图个数，第三个则表示当前要画图的焦点。
当然上述写法并不是唯一的，比如我们也可以这样写：
plt.subplot(111)和plt.subplot(1,1,1)是等价的。意思是将区域分成1行1列，当前画的是第一个图（排序由行至列）。
plt.subplot(211)意思就是将区域分成2行1列，当前画的是第一个图（第一行，第一列）。以此类推，只要不超过10，逗号就可省去。
可以看到图中的x,y轴坐标都是从0到1，当然有时候我们需要其他的坐标起始值。此时可以使用语句指定：
ax1.axis([-1,1,-1,1])或者：
plt.axis([-1,1,-1,1])效果如下：
首先给出一组数据：
x=[1,2,3,4,5]y=[2.3,3.4,1.2,6.6,7.0]A.画散点图*plt.scatter(x,y,color='r',marker='+')plt.show()效果如下：
这里的参数意义：
控制颜色：color为散点的颜色标志，常用color的表示如下：
b---bluec---cyang---greenk----blackm---magentar---redw---whitey----yellow有四种表示颜色的方式:
控制标记风格：marker为散点的标记，标记风格有多种：
.Pointmarker,PixelmarkeroCirclemarkervTriangledownmarker^Triangleupmarker
fig=plt.figure(figsize=(12,6))plt.subplot(121)plt.plot(x,y,color='r',linestyle='-')plt.subplot(122)plt.plot(x,y,color='r',linestyle='--')plt.show()效果如下：
这里有一个新的参数linestyle，控制的是线型的格式：符号和线型之间的对应关系
-实线--短线-.短点相间线：虚点线另外除了给出数据画图之外，我们也可以利用函数表达式进行画图，例如：y=sin(x)
示例：
importmatplotlib.pyplotasplty=[2.3,3.4,1.2,6.6,7.0]plt.figure()plt.pie(y)plt.title('PIE')plt.show()效果如下：
importmatplotlib.pyplotaspltx=[1,2,3,4,5]y=[2.3,3.4,1.2,6.6,7.0]plt.figure()plt.bar(x,y)plt.title("bar")plt.show()效果如下：
importmatplotlib.pyplotaspltimportnumpyasnpimportmatplotlib.imageasmpimg#2Ddatadelta=0.025x=y=np.arange(-3.0,3.0,delta)X,Y=np.meshgrid(x,y)Z=Y**2+X**2plt.figure(figsize=(12,6))plt.subplot(121)plt.contour(X,Y,Z)plt.colorbar()plt.title("contour")#readimageimg=mpimg.imread('marvin.jpg')plt.subplot(122)plt.imshow(img)plt.title("imshow")plt.show()#plt.savefig("matplot_sample.jpg")效果图：
__author__='wenbaoli'importmatplotlib.pyplotaspltfrommathimport*fromnumpyimport*x=arange(-math.pi,math.pi,0.01)y=[sin(xx)forxxinx]plt.figure()plt.plot(x,y,color='r',linestyle='-')plt.xlabel(u'X')#fillthemeaningofXaxisplt.ylabel(u'Sin(X)')#fillthemeaningofYaxisplt.title(u'sin(x)')#addthetitleofthefigureplt.show()