前两篇文章简单介绍了科学计算Numpy的一些常用方法，还有一些其他内容，会在后面的实例中学习。下面介绍另一个模块——Matplotlib。
Matplotlib是一个Python 2D绘图库，试图让复杂的绘图可视化工作变得简单。只需几行代码即可生成绘图，直方图，功率谱，条形图，误差图，散点图等2D图形，这在数据分析的过程中我们经常会用到它，对分析结果进行绘图处理。Matplotlib的文档介绍，请走传送门：https://matplotlib.org/
下面我们来举一个简单的例子。
import matplotlib.pyplot as plt
import numpy as np # 输入绘图数据
#这里我们用到了numpy模块的一些方法
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2 * np.pi * t) # 根据数据绘图
plt.plot(t, s)
#设置x轴和y轴标题
plt.xlabel('T (s)')
plt.ylabel('V(mV)')
#设置图标题
plt.title('simple pic')
plt.grid(True) #将绘制好的图形展示出来
plt.show()
结果是如下图所示：
值得注意的是，matplotlib在显示中文的时候会出现一些问题，解决这个问题，请看传送门：https://www.cnblogs.com/shikaihong/p/7717741.html
再看一个来自官方文档的例子。（如侵权联系删除）
#导入这个包
import matplotlib.pyplot as plt
import numpy as np #定义一个曲线生成的函数
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) #这里是定义画布，称之为画布一
plt.figure(1) #这里申明一个新的绘图区，括号里的“211”是表示画布分为两行一列，该图在绘图区一上操作
plt.subplot(211)
plt.plot(t1,f(t1),'bo',t2,f(t2),'k') #与上面相同，只是在二上操作
plt.subplot(212) #这里指定了绘图线形和颜色
plt.plot(t2,np.cos(2*np.pi*t2),'r--') plt.show()
这是效果图