当查看 matplotlib 官方文档和示例时，你会发现不同的编码风格和使用模式。这些风格是完全有效的，各有其优缺点。

      几乎所有的例子都可以转换成另一种风格，以实现相同的结果。当然，需要注意的是不要把自己的代码风格搞混。

      两种不同的风格，都受官方支持。

 

 

      下面是使用 matplotlib 的首选方式。首选 pyplot 风格，顶部的导入脚本通常是：

import matplotlib.pyplot as pltimport numpy as np

 

 

      风格一：直接调用绘图函数，下面是一个简单的例子：

import matplotlib.pyplot as pltimport numpy as np x = np.arange(0, 10, 0.2)y = np.sin(x) plt.plot(x, y)plt.show()

注意：这个示例使用了 pyplot 的状态机，自动地、隐式地创建一个图形figure和一个坐标系axes。

 

 

      风格二：想要完全控制你的图形，以及更高级的用法，就需要使用 pyplot 的接口显式的创建图形figure，然后使用对象方法:

import matplotlib.pyplot as pltimport numpy as npx = np.arange(0, 10, 0.2)y = np.sin(x) fig = plt.figure()ax = fig.add_subplot(111)ax.plot(x, y)plt.show()

 

 

      风格三：纯 matlab 风格的示例:

from pylab import *x = arange(0, 10, 0.2)y = sin(x)plot(x, y)show()

注意：pylab 已经集成了matplotlib，numpy，scipy！

 

 

      下面再看看风格二的更极端的表现

    为此，我们引入两个类: Figure和FigureCanvas。(如果不显式的引入，会自动的、隐式的引入)

from matplotlib.figure import Figurefrom matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvasimport numpy as npx = np.arange(0, 10, 0.1)y = np.sin(x)fig    = Figure()canvas = FigureCanvas(fig)ax     = fig.add_axes([0.1, 0.1, 0.8, 0.8]) line,  = ax.plot(x, y)ax.set_title("a straight line (OO)")ax.set_xlabel("x value")ax.set_ylabel("y value") canvas.print_figure('demo.jpg')

注意：一般来说，这样显式的引入，很可能是为了把 matplotlib 绑定到tkinter，PyQt，wxPython等GUI中