pylab神器：pylab.rcParams.update(params)。这个函数几乎可以调节图的一切属性，包括但不限于：坐标范围，axes标签字号大小，xtick,ytick标签字号，图线宽，legend字号等。

scatter和 plot 函数的不同之处

scatter才是离散点的绘制程序，plot准确来说是绘制线图的，当然也可以画离散点。

scatter/scatter3做散点的能力更强，因为他可以对散点进行单独设置
所以消耗也比plot/plot3大
所以如果每个散点都是一致的时候，还是用plot/plot3好以下
如果要做一些plot没法完成的事情那就只能用scatter了

scatter强大，但是较慢。所以如果你只是做实例中的图，plot足够了。

 plt.ion()用于连续显示。
# plot the real data
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data, y_data)
plt.ion()#本次运行请注释，全局运行不要注释
plt.show()

首先在python中使用任何第三方库时，都必须先将其引入。即：

import matplotlib.pyplot as plt

或者：

from matplotlib.pyplot import *

1.建立空白图

fig = plt.figure()

也可以指定所建立图的大小
fig = plt.figure(figsize=(4,2))

也可以建立一个包含多个子图的图，使用语句：
plt.figure(figsize=(12,6))
plt.subplot(231)
plt.subplot(232)
plt.subplot(233)
plt.subplot(234)
plt.subplot(235)
plt.subplot(236)
plt.show()

其中subplot()函数中的三个数字，第一个表示Y轴方向的子图个数，第二个表示X轴方向的子图个数，第三个则表示当前要画图的焦点。

当然上述写法并不是唯一的，比如我们也可以这样写：
fig = plt.figure(figsize=(6, 6))
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
plt.show()

plt.subplot(111)和plt.subplot(1,1,1)是等价的。意思是将区域分成1行1列，当前画的是第一个图（排序由行至列）。

plt.subplot(211)意思就是将区域分成2行1列，当前画的是第一个图（第一行，第一列）。以此类推，只要不超过10，逗号就可省去。

可以看到图中的x,y轴坐标都是从0到1，当然有时候我们需要其他的坐标起始值。
此时可以使用语句指定：
ax1.axis([-1, 1, -1, 1])

或者：
plt.axis([-1, 1, -1, 1])

效果如下：

2.向空白图中添加内容，想你所想，画你所想

首先给出一组数据：
x = [1, 2, 3, 4, 5]
y = [2.3, 3.4, 1.2, 6.6, 7.0]

A.画散点图*
plt.scatter(x, y, color='r', marker='+')
plt.show()

效果如下：

这里的参数意义：
1.x为横坐标向量，y为纵坐标向量，x,y的长度必须一致。

2.控制颜色：color为散点的颜色标志，常用color的表示如下：

b---blue  c---cyan  g---green    k----black
m---magenta r---red  w---white    y----yellow

有四种表示颜色的方式:

3.控制标记风格：marker为散点的标记，标记风格有多种：
.  Point marker
,  Pixel marker
o  Circle marker
v  Triangle down marker
^  Triangle up marker
<  Triangle left marker
>  Triangle right marker
1  Tripod down marker
2  Tripod up marker
3  Tripod left marker
4  Tripod right marker
s  Square marker
p  Pentagon marker
*  Star marker
h  Hexagon marker
H  Rotated hexagon D Diamond marker
d  Thin diamond marker
| Vertical line (vlinesymbol) marker
_  Horizontal line (hline symbol) marker
+  Plus marker
x  Cross (x) marker

B.函数图（折线图）

数据还是上面的。

fig = plt.figure(figsize=(12, 6))
plt.subplot(121)
plt.plot(x, y, color='r', linestyle='-')
plt.subplot(122)
plt.plot(x, y, color='r', linestyle='--')
plt.show()

效果如下：

这里有一个新的参数linestyle，控制的是线型的格式：符号和线型之间的对应关系

-      实线
--    短线
-.    短点相间线
：    虚点线

另外除了给出数据画图之外，我们也可以利用函数表达式进行画图，例如：y=sin(x)

from math import *
from numpy import *
x = arange(-math.pi, math.pi, 0.01)
y = [sin(xx) for xx in x]
plt.figure()
plt.plot(x, y, color='r', linestyle='-.')
plt.show()

效果如下：

C、二维图形（等高线，本地图片等）

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as mpimg
# 2D data

# read image

效果图：

D、对所画图进行补充

import matplotlib.pyplot as plt
from math import *
from numpy import *
x = arange(-math.pi, math.pi, 0.01)
y = [sin(xx) for xx in x]
plt.figure()
plt.plot(x, y, color='r', linestyle='-')
plt.xlabel(u'X')#fill the meaning of X axis
plt.ylabel(u'Sin(X)')#fill the meaning of Y axis
plt.title(u'sin(x)')#add the title of the figure

plt.show()

效果图：

画网络图，要用到networkx这个库，下面给出一个实例：