1 我画出来的图:
2 运行代码在此：
3 简略讲解版本：
#导入库
import matplotlib.pyplot as plt
import numpy as np
#设置各部分数据
x = np.linspace(0,10,100)
y = np.cos(x)
z = np.sin(x)
data = 2 * np.random.random((10,10))
data2 = 3 * np.random.random((10,10))
Y,X = np.mgrid[-3:3:100j,-3:3:100j]
U = -1 -X**2+ Y
V = 1 + X - Y**2
#建立画布（figure）和建立图fig3,fig4
fig3,axes = plt.subplots(nrows=2,ncols=2)
fig4,axes2 = plt.subplots(ncols=3)
#设置fig3
axes[0,0].bar([1,2,3],[3,4,5])
axes[1,0].barh([0.5,1,2.5],[0,1,2])
axes[1,1].axhline(0.45)
axes[0,1].axvline(0.65)
#设置fig3
axes[0,1].arrow(0,0,0.5,0.5)
axes[1,1].quiver(y,z)
axes[0,1].streamplot(X,Y,U,V)
建立图fig
fig, ax = plt.subplots()
#设置fig4
axes2[0].pcolor(data2)
axes2[0].pcolormesh(data)
CS = plt.contour(Y,X,U)
axes2[2].contourf(data2)
axes2[2] = ax.clabel(CS)
#显示
plt.show()
#关闭
plt.cla()
plt.clf()
plt.close()
4 详细注释版本：
#导入numpy库用来科学计算，matplotlib库画图
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.cbook import get_sample_data
'''调用了numpy的linspace()建立了了一个数组，
其参数的含义分别是开始值，终止值，创建元素个数，
往往最后可能会有一个endpoint=False,表示最后一个值是否被包含，不写默认为True.
类似于：np.linspace(0,10,100,endpoint=False)的格式'''
x = np.linspace(0,10,100)
#并把这100个值赋予X。y,z分别是cosine和sine值（x,y,z都是numpy数组）
#此处可参考http://www.jianshu.com/p/7fbecf5255f0
y = np.cos(x)
z = np.sin(x)
'''np.random.random()返回随机的浮点数，在半开区间 [0.0, 1.0),
data指画出一个10*10形状的二维数组，由范围 [0.0, 1.0)的随机数组成,
并且每个随机数都要*2 data2则表示*3'''、
data = 2 * np.random.random((10,10))
data2 = 3 * np.random.random((10,10))
'''np.mgrid()用于返回多维结构，np.mgrid[ 第1维，第2维 ，第3维 ， …]
一维：eg:np.mgrid[-1:1:5j]
array([-1. , -0.5, 0. , 0.5, 1. ])
第一个参数是初始值，第二个为终止值，第三个为参数个数，猜测j代表横坐标或者纵坐标？
不理解二维多维数组，直到我找到了这篇文章：
http://www.cnblogs.com/NanShan2016/p/5491200.html，
图：
k,b=np.mgrid[1:3:3j,4:6:3j]
可以这么理解：
k轴范围为1~3，b轴范围为4~6：
k与b为咱们相关的x，y轴
【step1：k扩展】(朝右扩展)：
[1 1 1]
[2 2 2]
[3 3 3]
【step2：b扩展】(朝下扩展)：
[4 5 6]
[4 5 6]
[4 5 6]
【step3：定位（ki，bi）】（把上面的k、b联合起来）：
[(1,4) (1,5) (1,6)]
[(2,4) (2,5) (2,6)]
[(3,4) (3,5) (3,6)]
啊 这不就是咱么理解的横纵坐标吗'''
Y,X = np.mgrid[-3:3:100j,-3:3:100j]
#此处是对X,Y坐标进行运算
U = -1 -X**2+ Y
V = 1 + X - Y**2
#plt.subplots为设置子图
#nrows=2,ncols=2定义在Figure中Axes对象的布局，为2*2的样子
fig3,axes = plt.subplots(nrows=2,ncols=2)
fig4,axes2 = plt.subplots(ncols=3)
#画一个fig3的柱状图，[0,0]表示位置？左上角
axes[0,0].bar([1,2,3],[3,4,5])
#创建水平直方图
axes[1,0].barh([0.5,1,2.5],[0,1,2])
#调用Axes.axhline()和Axes.axvline()分别创建一条水平直线和一条垂直直线
axes[1,1].axhline(0.45)
axes[0,1].axvline(0.65)
#设置ax的参数，将内部填充
ax.fill(x,y,color='blue')
ax.fill_between(x,y,color='yellow')
#arrow（）为axes添加一个箭头
axes[0,1].arrow(0,0,0.5,0.5)
#quiver()制二维箭头图（风矢量图）
axes[1,1].quiver(y,z)
#streamplot()绘制一个流场图
axes[0,1].streamplot(X,Y,U,V)
fig, ax = plt.subplots()
#pcolor()创建一个二维阵列的伪彩色图
axes2[0].pcolor(data2)
#pcolormesh()绘制一个四边形网格
axes2[0].pcolormesh(data)
#contour绘制等值线
CS = plt.contour(Y,X,U)
#contourf绘制填充等值线
axes2[2].contourf(data2)
#clabel为等值线图设标签
axes2[2] = ax.clabel(CS)
#可以添加一个subplots_adjust()调整subplot布局
fig3.subplots_adjust(wspace=0.5,
hspace=0.3,
left=0.125,
right=0.9,
top=0.9,
bottom=0.1)
#显示
plt.show()
#清除当前axes
plt.cla()
#清除当前figure
plt.clf()
#关闭figure 窗口。
plt.close()
我的代码是从下面的网址中抄下来运行的，当时不知道干嘛的，只是为了熟悉Matplotlib。我只能保证注释大体正确吧，有问题可以指出啊 ，我就是想要大家告诉我答案呀! 加油呀↖(^ω^)↗ 米娜桑
