介绍
matplotlib是Python中的一个绘图库，它提供了一个类似于 MATLAB 的绘图系统。使用matplotlib你可以生成图表、直方图、功率谱、条形图、错误图、散点图等。matplotlib广泛用于数据可视化领域，是 Python 中最著名的绘图库之一。
同样matplotlib的安装也和numpy和pandas一样，具体语言如下：（在电脑终端执行）
python -m pip install --user matplotlib基本用法
利用matplotlib绘图方法很多，网上的方法也是各种各样，起初我看到这些方法很头疼，并不明白为何这样画。其实，对于各种绘图方法来说，只需掌握其内在的逻辑你就会明白不同方法的内涵。
我总结了网上绘图常见的三种方法，如下：
import matplotlib.pyplot as plt
x=[1,4,9,16,25]
#第一种方法
plt.figure()
plt.plot(x)
#第二种方法
fig=plt.figure()
ax=plt.gca()
ax.plot(x)
#第三种方法
fig,ax=plt.subplots()
ax.plot(x)
plt.show()这三种方法起到的作用大致上是相通的。
第一种方法：plt.figure()是起到了开辟一个窗口的作用，这个窗口里面什么都没有，仅仅是一个窗口。plt.plot()是在这个窗口中进行画图，在画图之前系统默认给它分配了一个二维坐标轴平面，这个图像最终在这个坐标轴中呈现。
第二种方法：同样，plt.figure()开辟了一个窗口，同时将这个窗口赋给了变量fig。plt.gca()（get current axes）的作用是在当前的窗口中捕捉坐标轴平面，将这个坐标轴平面赋给变量ax。（如果当前窗口中没有，那就建立一个新的）然后在ax中进行作图，即ax.plot()
第三种方法：这个方法比较简单省事，一句话干了两句话的事。plt.subplots()是建立了一个窗口，而此窗口并未简单的彼窗口，subplots可以在这个窗口中布置子图的格局，换句话说如果你想在一个窗口中画多个子图，每个子图既独立存在又互不干扰，它就能实现这个功能。但在这里，我们并未指定它的参数，所以它默认是创建了一个子图，即整个窗口就画一个图。那么它的返回值fig指的是整个窗口，ax是所有的子图的坐标轴平面体系。因为你只创建了一个，所以ax在这里就是一个坐标轴平面，ax.plot()也就是在这仅有的一个坐标轴平面内画图。
如果subplots多个子图，见下：
import matplotlib.pyplot as plt
x=[1,4,9,16,25]
fig,ax=plt.subplots(2,2)
ax[0,0].plot(x)
plt.show()
我们建立了一个2×2布局的窗口，这个窗口是fig，而里面的每一个坐标轴平面是ax，我们在ax的第一个坐标轴中画图即：ax[0,0].plot(x)
