Matplotlib的使用
首先导入依赖的类库：
import numpy as np
import matplotlib.pyplot as plt
np plt这两个名感觉都成了规范了，大家都这么写。
接下来以绘制 sin() 函数为例：
x = np.linspace(0, 2*np.pi,100)
y1 = np.sin(x)
plt.figure()
plt.plot(x, y1)
plt.show()
完整代码：
#coding:utf-8
import matplotlib
from matplotlib.font_manager import *
import matplotlib.pyplot as plt
import numpy as np
myfont = FontProperties(fname='/home/linuxidc/.local/share/fonts/文泉驿正黑.ttf')
matplotlib.rcParams['axes.unicode_minus']=False
x = np.linspace(0, 2*np.pi,100)
y1 = np.sin(x)
plt.figure()
plt.plot(x, y1)
如果有Matlab的基础会非常好理解，首先指定x的范围以及点之间的间距，C指定了函数f(x)，plt.figure()是绘制的开始，plot最基础的用法，第一个参数是x，第二个参数是f(x)，最后是show()方法显示图形，那么如何在一张图表中显示两个或者多个函数图形？
x = np.linspace(0, 2*np.pi,100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.figure()
plt.plot(x, y1)
plt.plot(x, y2)
plt.show()
只要稍作修改就可以了，这时候的图形是这样的：
除了这种情况之外，我们有的时候还会需要在不同的图表中绘制函数图形，那么代码再改动一下：
x = np.linspace(0, 2*np.pi,100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.figure()
plt.plot(x, y1)
plt.figure()
plt.plot(x, y2)
plt.show()
效果：
代码只是比上面的增加了一行plt.figure()，plt.figure()就像是绘制的开关，每个plt.figure()下面的内容会在一张图表中显示，最后由plt.show()统一显示出来。
基础的绘制图形情况就这么多，其实plot函数功能强大得多，参数不只是自变量和因变量，如果再一张图表中显示多条函数图形，我们需要对不同的曲线加以区分，例如：
x = np.linspace(0, 2*np.pi,100)
y1 = np.sin(x)
y2 = np.cos(x)
plt.figure()
plt.plot(x, y1)
plt.plot(x, y2, color='red', linestyle='--')
plt.show()
效果：
再plot函数里添加控制的参数，例如color指定曲线的颜色，linestyle指定曲线的样式等等。