先看看Matplotlib，pyplot和pylab三者的相互关系
——该条目摘自官方文档
Matplotlib是整个包
matplotlib.pyplot 是 matplotlib中的一个模块;
pylab是一个与 matplotlib 一起安装的模块。
Pyplot为底层面向对象的绘图库提供状态机接口。 状态机隐式地 自动创建图形和轴 以实现所需的图形，例如：
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='线性')
plt.plot(x, x**2, label='二次方')
plt.plot(x, x**3, label='三次方')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title("简单绘图")
plt.legend()
第一次调用 plt.plot 将自动创建必要的图形和轴以实现所需的绘图。随plt.plot的调用会重新使用当前轴，并且每次都会添加另一行。设置标题，图例和轴标签还会自动使用当前轴并设置标题，创建图例并分别标记轴。
pylab是一个便利模块，相当于在单个名称空间中批量导matplotlib.pyplot(用于绘图)和numpy一样(用于数学和使用数组)。不过不推荐使用pylab，并且由于命名空间污染而强烈建议不要使用它。请改用pyplot。
matplotlib基础布局
Matplotlib中大的对象主要分为三个：
FigureCanvas(画布、画布层)
，
Figure(图、图像层)
，
Axes(坐标轴、绘制的区域——轴域、坐标层)
(概念划分参考自：https://www.cnblogs.com/dajun…)
而FigureCanvas(画布)涉及到底层操作，咱现在的水平就甭接触了8[手动滑稽]
可以说使用matplotlib绘图，一个非常基础的问题就是要搞清楚图(图像层)和坐标轴(坐标层)俩对象。只有真正了解这两个概念，才能获得对整个绘图过程的控制权。
import matplotlib.pyplot as plt
plt.figure()
plt.show()
输出：
使用
plt.figure()
创建一个
Figure
对象，通过
plt.show()
显示出来：
输出空画布框。
axes对象
#有了图像层，接下来就在图像层上绘图，
#因此我们首先需要创建一个坐标轴，可以调用Figure实例的 add_axes 方法：
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # [距离左边，下边，坐标轴宽度，坐标轴高度] 范围(0, 1)
plt.show()
[0.1, 0.1, 0.8, 0.8]
表示的是在图像层中，坐标轴区域(坐标层)距离画布左边0.1倍的位置，距离下边0.1倍的位置，确定了这两个位置后，坐标轴的整体宽度和高度占0.8倍的大小，换句话说，距离右边和上边0.9(0.1+0.8)倍。得到如下结果：
输出：
matplotlib
会在最近用过的坐标层上进行绘图，如果没有的话，默认会创建一个图对象(图像层)和坐标轴(坐标层)。但是显示创建图对象(图像层)和坐标轴(坐标层)的好处是让我们对绘图过程有了完全的控制权(比如可以指定在什么地方绘图)，而且绘图的逻辑更强。接下来我们绘制一张图中图来理解这个过程：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 10, 10)
y = np.sin(x)
# 创建画布
fig = plt.figure()
# 创建坐标轴
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # 第一个坐标轴的范围
ax2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # 第二个坐标轴的范围
ax1.plot(x, y, 'r')
ax2.plot(x, y, 'g')
plt.show()
输出：
图片尺寸大小
在创建 Figure 对象的时候，我们可以使用 figsize 和 dpi 控制图片尺寸。比如：
fig = plt.figure(figsize=(16,8), dpi=100)
figsize
表示画布的宽高比；
dpi
表示每英寸的像素值。因此上面的命令就创建了一张1600*800像素的画布。
保存图片
从上面输出的结果来看，
plt.show()
并不是输出一张图片，而是一个交互式的绘图界面。
如果要保存图片，还需要通过
savefig()
保存。没有显式指定画布和坐标轴，直接使用
plt.savefig()
保存也可以，显式指明了图对象(绘图层)可以用
Figure
实例的方法
fig.savefig()
。
matplotlib
可以生成多种格式的高质量图像，包括PNG，JPG，EPS，SVG，PGF 和 PDF，只要写好后缀名即可：
fig.savefig("result.png")
小结：
建议按照显式的方法去绘图：先创建画布，再创建坐标轴，最后在坐标轴上绘图。这种代码方式会让绘图逻辑更加清晰，能够随心所欲的修改图片的每个地方。
子图对象AxesSubplot
#在绘图层(figure对象上)上创建两个子图(一行两列)，都显示出来
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,100,1)
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot(x,x)
ax2 = fig.add_subplot(122)
ax2.plot(x,x*x)
输出：
# 此处可以和 pyplot绘图方式简单对比一下:
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,100,1)
plt.subplot(121)
plt.plot(x, x)
plt.subplot(122)
plt.plot(x, x*x)
>>输出结果与上图相同。
网格线
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,10)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x,x*2)
ax.grid(color='g',linestyle='--')
输出：
图例
# 显示图例
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,11)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x,x,label='inline label')
ax.legend()
输出：
欢迎关注、转发、评论
