【导语】：出色的数据可视化，会让你的数据分析等工作锦上添花，让人印(升)象(职)深(加)刻(薪)。matplotlib是python优秀的数据可视化库，python数据分析必备利器。
Matplotlib作为数据科学的的必备库，算得上是python可视化领域的元老，更是很多高级可视化库的底层基础，其重要性不言而喻。本文专门为你整理了matplotlib详细使用方法，来学习吧！
matplotlib 库是专门用于开发2D图表（包括3D图表）的，突出优点：
使用起来极为简单。
以渐进、交互式方式实现数据可视化。
表达式和文本使用LaTeX排版。
对图像元素控制力强。
可输出PNG、PDF、SVG和EPS等多种格式。
安装
conda install matplotlib
或者
pip install matplotlib
matplotlib 架构
matplotlib 的主要任务之一，就是提供一套表示和操作图形对象（主要对象）以及它的内部对象的函数和工具。其不仅可以处理图形，还提供事件处理工具，具有为图形添加动画效果的能力。有了这些附加功能，matplotlib 就能生成以键盘按键或鼠标移动触发的事件的交互式图表。
从逻辑上来讲，matplotlib 的整体架构为3层，各层之间单向通信：
Scripting （脚本）层。
Artist （表现）层。
Backend （后端）层。
matplotlib的基本用法
以下操作均在Jupyter Notebook实现
plot()方法制作线型图1：
importmatplotlib.pyplotasplt
x = [1,2,3,4]
y = [5,8,6,9]
plt.plot(x,y)
结果展示：
如果我们想在同一页面对比两条甚至多条数据呢？很简单
plot()方法制作线型图2：
importmatplotlib.pyplotasplt x = [1,2,3,4] y = [5,8,6,9] y1 = [7,5,8,4] plt.plot(x,y) plt.plot(x,y1)
结果展示：
bar()方法制作柱形图1:
importmatplotlib.pyplotasplt x = [1,2,3,4] y = [5,8,6,9] plt.bar(x,y)
结果展示：
如果需要在柱形图上做对比显示该如何操作呢？只需加一个bottom的参数即可!
importmatplotlib.pyplotasplt x = [1,2,3,4] y = [5,8,6,9] plt.bar(x,y) plt.bar(x,y1,bottom = y)
结果展示：
如果我想把这条柱形图横过来呢？使用barh()方法即可！
bar()方法制作柱形图2:
importmatplotlib.pyplotasplt x = [1,2,3,4] y = [5,8,6,9] plt.barh(x,y)
结果展示：
scatter()方法制作散点图:
importmatplotlib.pyplotasplt x = [1,2,3,4] y = [5,8,6,9] plt.scatter(x,y)
结果展示：
