一、简单示例
1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 x = np.arange(3,8,1) #x轴数据 5 y1 = x*2 6 y2 = x**2 7 plt.figure(figsize=(5,3.5)) 8 plt.plot(x, y1,'r',marker='o',label='y1:double x') #关键句,前两个参数是X、Y轴数据,其他参数指定曲线属性，如标签label，颜色color,线宽linewidth或lw,点标记marker 9 plt.plot(x,y2,'g',marker='^',label='y2:square of x')10 plt.legend(loc='best') #显示图例，前提是plot参数里写上label;loc是图例的位置11 plt.xlabel('x(ms)')12 plt.ylabel('y')13 plt.title('a simple example')14 #plt.savefig('G:/YDPIC/example.png',dpi=80) #除了png，还有一些格式如svg，dpi是dot per inch每英寸的像素点数，缺省值80，论文写作一般要求1200或者矢量图15 plt.show() #show函数显示图表会中断程序，直到关闭图像。不要把show写在savefig前，否则保存图像一片空白。最好是注释掉savefig或者show其中一行。 
matplotlib官网对的说明
二、面向对象方式绘图
Figure对象,是一个“画布或者容器” 的东西。如果用户没有写plt.figure()，程序会自动创建一个Figure对象(图像窗口)。 Axes是子图，一个figure上可以有多个子图，是具体作图的区域。 Axis是坐标轴。关系如下图。
在"一、简单示例"的代码中，plt帮我们隐藏了创建对象的过程，使用起来简单，能满足大部分作图的需求。查看plt.plot的源码发现ax = gca() 意思是get current axes获取当前子图，然后作图都是调用的"ax"对象的方法。 当需要在一个figure上画多子图的时候，面向对象方式绘图很好用。
给出几个例子
绘制多子图subplot
1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 x = np.arange(0,5,0.01) 5 y1 = np.cos( 2*np.pi*x )*np.exp(-x) 6 y2 = np.cos( 2*np.pi*x ) 7 8 fig = plt.figure(facecolor='y') 9 10 ax1 = fig.add_subplot(211) #2行1列第1幅图11 ax1.plot(x, y1, '.-')12 ax1.set_title('A table of 2 subplots')13 ax1.set_ylabel('Damped oscillation')14 15 ax2 = fig.add_subplot(212) #2行1列第2幅图16 ax2.plot(x,y2, '.-' )17 ax2.set_xlabel('time(s)')18 ax2.set_ylabel('Undamped')19 20 plt.show() 
双Y轴 ax2 = ax1.twinx()
import matplotlib.pyplot as pltimport numpy as npx = np.arange(0.01,np.e, 0.01)y1 = np.exp(-x)y2 = np.log(x)fig = plt.figure()ax1 = fig.add_subplot(111)ax1.plot(x, y1,'r',label='exp(-x)')ax1.legend(bbox_to_anchor=(1,0.5))ax1.set_ylabel('Y values for exp(-x)',color='r')ax1.set_xlabel('X values')ax1.set_title('Double Y axis')ax2 = ax1.twinx()ax2.plot(x,y2,'g',label='log(x)')ax2.legend(bbox_to_anchor=(1,0.6))ax2.set_ylabel('Y values for log(x)',color='g')plt.show() 
移动坐标轴spines
1 import matplotlib.pyplot as plt 2 import numpy as np 3 4 fig = plt.figure(figsize=(4,4)) 5 ax = fig.add_subplot(111) 6 theta = np.arange(0, 2*np.pi, 2*np.pi/100) 7 x = np.cos(theta) 8 y = np.sin(theta) 9 ax.plot(x,y)10 # top和right颜色置为none从而看不见11 ax.spines['top'].set_color('none') 12 ax.spines['right'].set_color('none')13 # spines的set_position函数，移动坐标轴位置14 ax.spines['bottom'].set_position(('data',0))15 ax.spines['left'].set_position(('data',0))16 17 ax.xaxis.set_ticks([-1.2,1.2])18 ax.yaxis.set_ticks([-1.2,1.2])19 plt.show() 
set_postion()函数 接收的参数是一个二元组tuple (postion type, amount) position type的取值可以有：'outward', 'axes','data'三种。本例中选择了''data' amount取的0 就是数据坐标为0的位置。官网的解释如下：
参考博客：