以下为一些基础使用的例子：
1、绘制直线
先通过numpy生成在直线 y = 5 * x + 5 上的一组数据，然后将其绘制在图表上
import numpy as np
import matplotlib.pyplot as plot
x = np.linspace(1, 10, 10)
y = 5 * x + 5
# plot.figure()
plot.plot(x, y)
plot.show()
运行上面的代码，结果如下：
2、绘制折线图
绘制折线图调用的matplotlib的方法一样，只是使用numpy生成的数据不一样。
import numpy as np
import matplotlib.pyplot as plot
x = np.linspace(1, 10, 10)
y = np.random.normal(1, 5, 10)
plot.figure()
plot.plot(x, y)
plot.show()
由于涉及到随机数，每次运行的结果会不一样。某次运行结果如下：
3、同时绘制多条样式不一的曲线
plot方法可以同时绘制多条图线，并支持不同的曲线采用不同的样式和颜色来显示。在下面的代码中，plot方法的参数，3个为一组，共3组，每一组的参数分别为 x轴坐标、y轴坐标和样式。
样式用法：
格式：
样式的第一个字母表示颜色，支持的颜色有：r（red）、g（green）、b（blue）、c（cyan）、m（megenta）、y（yellow）、w（white）、k（black）。
样式的第二部分表示图线的填充符号，可以写：--（虚线）、+（加号）、^（向上的正三角形）、s（正方形）、o（圆形）等。还可以同时采用两种填充方式，如‘ro--’表示用红色的虚线及实心圆来同时进行填充。
import numpy as np
import matplotlib.pyplot as plot
x = np.linspace(-10, 10, 100)
plot.plot(x, 100 * x, 'r--', x, 10*x ** 2, 'g^', x, x ** 3, 'c+')
plot.show()
4、绘制散点图
调用 scatter 方法可以绘制散点图。
import numpy as np
import matplotlib.pyplot as plot
x = np.linspace(1, 10, 10)
y = np.linspace(1, 10, 10)
plot.scatter(x, y)
plot.ylabel('y value')
plot.xlabel('x scale')
plot.title('Scatter Figure')
plot.show()
输出：
可以通过设置不同参数的形式获得不同的散点图：
import numpy as np
import matplotlib.pyplot as plot
# 固定随机数的seed，使其每次运行产生的结果都一样
np.random.seed(1)
num = 100
edgeRadius = 0.5
x = np.random.rand(num)
y = np.random.rand(num)
area = (200 * np.random.rand(num))
color = np.sqrt(area)
# 创建区域，用不同的样式来显示不同分区的点
triangleArea = np.ma.masked_where(x <= edgeRadius, area)
diamondArea = np.ma.masked_where(x > edgeRadius, area)
plot.scatter(x, y, s=triangleArea, marker='o', c=color)
plot.scatter(x, y, s=diamondArea, marker='d', c=color)
plot.title('Random Scatter')
plot.show()
5、绘制柱状图与多个图形
在以下示例中， figure函数指定了图表的编号和大小比例，suptitle设置标题，subplot指定当前绘图的位置（参数221表示2x2共四个图形区域，最后的1表示第一个图形区域）。后面的bar、scatter、plot和pie函数分别绘制了柱状图、散点图、折（直）线图和饼图。
import matplotlib.pyplot as plot
labels = ['A', 'B', 'C']
values = [1, 2, 3]
plot.figure(1, figsize=(9, 6))
plot.suptitle('Multiple Plots')
plot.subplot(221)
plot.bar(labels, values)
plot.subplot(222)
plot.scatter(labels, values)
plot.subplot(223)
plot.plot(labels, values)
plot.subplot(224)
plot.pie(values, labels=labels)
plot.show()
