大多数人不会花大量时间去学 matplotlib 库，仍然可以实现绘图需求，因为已经有人在 stackoverflow、github 等开源平台上提供了绝大多数画图问题的解决方案。我们通常会使用 google 来完成绘图需求。至少我是这样。
那学 matplotlib 库有什么用?答案是：可以节约搜索时间。掌握 matplotlib 的速查表并了解其基本接口，根据个性需求从众多资源中编辑我们的绘图，从长期来看会节约很多的时间。
大部分内容取自以下 2 个链接，建议也去阅读一下。
https://realpython.com/python-matplotlib-guide/#why-can-matplotlib-be-confusing
https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Python_Matplotlib_Cheat_Sheet.pdf
matplotlib 是一个基于 Python 的 2D 绘图库，其可以在跨平台的在各种硬拷贝格式和交互式环境中绘制出高图形。
一个有趣的现象。为什么引用库总采用 import matplotlib.pyplot as plt 的方式呢?
因为使用例如 pylab import * 或者 %pylab 是一个非常不好的方式，matplotlib 官方不建议这样使用，具体原因如下：
由于历史原因，from pylab import * 仍然存在，但是强烈建议不要这样使用。这样做会遮蔽 Python 的内置函数进而占用命名空间，导致难以追踪的 bugs。想要实现零输入获得 IPython 集成，推荐使用 %matplotlib 命令。来源：https://matplotlib.org/users/shell.html#using-matplotlib-in-a-python-shell
使用 matplotlib 绘制不同类型的图像是很容易的，有很多文档和教程。最重要的是，了解最佳的绘图方式。如何使用 axes，subplots 等。这篇文章主要针对这些问题。
1.内联绘图和 % matplotlib
%matplotlib 命令可以在当前的 Notebook 中启用绘图。这个命令提供一个可选参数，指定使用哪个 matplotlib 后端。绝大多数情况下，Notebook 中都是使用 inline 后台，它可以在 Notebook 中嵌入绘图。另一个选项是 qt 后台，它在侧窗口打中打开 Matplotlib 交互 UI 。
Matlibplot 提供了多种绘图 UI ，可进行如下分类 ：
弹出窗口和交互界面： %matplotlib qt 和 %matplot tk
非交互式内联绘图： %matplotlib inline
交互式内联绘图： %matplotlib notebook-->别用这个，它会让开关变得困难。
2.理解 matplotlib 对象结构
pyplot 是一个 matplotlib 面向对象的函数接口。
plt.gca()
它返回当前 plot() 关联的轴
如果不使用 plt.close()，则会显示出空的图形。因为在开始时使用了 inline 命令。
axis_id 仍然是相同的，但是当我们移动到另一个 Notebook 块时，plt.gca() 会发生变化。
Setter 和 Getter
Getter 和 Setter 方法用于捕获当前或任意 axies 以及对其进行修改。我们可能需要修改标题、颜色、图列、字体等。有两种方法：
1. 使用 fig.axes[i] 指定要抓取的 axes，使用 setter 的 getter 对 axies 对象进行调用。在上面的例子中，只有一个 axes，所以我们调用 axes[0]。
2. 我们可以直接使用 plt.bla() 调用当前 axis(其中，bla 可以是 title()，legend()，xlabel()等)。这是 matlibplot 面向对象的一种函数。这个函数让修改当前的 axes 变得容易。比 1 的方法更常用。
当我们使用 axes[i] 时，我们可以调用任何之前的代码块中的任何 axes 对象，但是调用 plt.bla()，会在每个代码块中创建新的 axes 对象，并只调用当前对象。因此，上面例子中，只在 plt.title() 被调用时，才创建新 plt 对象。
重要观察：我们通常在当前 axis 对象上调用 plt.bla()，这种语法使得每个代码块中的 axis 对象都是新创建的。但是通过调用 fig.axes[0]，我们也可以从任何代码块中处理之前的 axes 对象。
这是 stateless(object oriented) 方法，并可以自定义，当图像变得复杂时，这样做很方便。
所以，我建议是使用 fig，ax = plt.subplots(_) 先解压 axes 和 figure，并给它们分配给一个新的变量。然后，可以对这些变量使用 Getter 和 Setter 方法进行绘图中的更改。此外，这使得我们能够在多个 axes 上做工作，而不是只在一个当前 axes 上。pyplot 使用 1 次创建子图，然后使用 OO 方法。
结论：从现在开始，我使用 plt.subpots() 来完成不同的绘图。(如果有人认为这个观点是错误的，请纠正我)
3.matplotlib 图像剖析
来自： https://matplotlib.org/faq/usage_faq.html
4.绘图的基本例子
如何作图的基本例子，涵盖面向对象绘图的各个方面。请仔细阅读。
总结上面的例子：
我们创建 1 行和 2 列的图形。即，1 行和 2 列中的 2 个 axes 对象。
我们分别自定义 ax1 和 ax2。可以看到，我们可以将 Y-ticks 移动到右边的第二图形中。
5.二维网格的绘制
subplot2grid
需要做什么?
观察下面的绘图格式。
思路是把上面的图形考虑成为 2x4 网格。然后将多个网格分配给单个图以容纳所需的图形。
重点：
我们可以使用 subplot2grid 定制我们的绘图布局。
我们可以用 plt.figure() 创建无 axes 对象的图形，然后手动添加 axes 对象。
我们可以使用 fig.suptitle() 来设置整个图形的总标题。
6.颜色，颜色条，RGB 数组和颜色图谱
我们已经介绍了 ax.plot()，ax.scatter()，ax.bar() 和 ax.hist() 等基本图形操作，另一个更常用的函数是 ax.imshow()，它用来显示彩色图或图像/RGB 数组。
7.线条样式和线条宽度
改变线条宽度、颜色或风格。
8.基本的数据分布
EDA 过程中的必要操作。
9.二维数组的等高线图和颜色网格图
热像图(颜色网格图)和等高线图在很多情况下都有助于可视化 2D 数据。
10.图像的调整、修改边缘坐标和标度
最后调整细节，让绘图变得更好看。
11.标度的限制和自动调整
需要注意的事情：
填充(padding)自动设置 X 轴或 Y 轴网格标度
我们可以使用 xlim，ylim 设置 x，y 的刻度限制
12.技巧
13.轴线
14.结束
博客原址： https://www.kaggle.com/grroverpr/matplotlib-plotting-guide/notebook