优秀学习资源可以参考官方资源：Matplotlib: Visualization with Python。
Matplotlib 是一个综合库，用于在 Python 中创建静态，动画和交互式的可视化元素。可访问 Sample plots in Matplotlib¶ 快速查看 Matplotlib 的应用的简单例子。
Matplotlib 官方网站提供了许多优质的学习资源：User's Guide、examples gallery 以及 list of plotting commands、External Resources。
1 基础知识
Matplotlib 在Figure（即窗口，Jupyter 小部件等）上绘制数据图，每个 Figure 都可以包含一个或多个 Axes（即，可以根据 x-y 坐标（或极坐标中的ther-r）指定点的区域 或 3D 图中的 xyz 等）。用 axes 创建 figure 的最简单方法是使用 pyplot.subplots。然后，我们可以使用 Axes.plot 在轴域上绘制一些数据：
fig, ax = plt.subplots() # Create a figure containing a single axes.
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # Plot some data on the axes.
也可以简化为：
plt.plot([1, 2, 3, 4], [1, 4, 2, 3]) # Matplotlib plot.
matplotlib 基本组件包括：Figure、Axes、Axis、Artist。
1.1 Figure
- 整个图形即是一个
Figure对象，即一个弹出的绘图的窗口，便是一个 figure。 -
Figure对象至少包含一个坐标系，也就是Axes对象。 -
Figure对象包含一些特殊的Artist对象，如title标题、图例legend。 -
Figure对象包含画布 canvas 对象。 canvas 对象一般不可见，通常无需直接操作该对象，matplotlib 程序实际绘图时需要调用该对象。
创建新图形的最简单方法是使用 matplotlib.pyplot：
from matplotlib import pyplot as plt
fig = plt.figure() # an empty figure with no Axes
fig, ax = plt.subplots() # a figure with a single Axes
fig, axes = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes
1.2 Axes
这就是您认为的“绘图”，它是具有数据空间的图像区域。一个给定的 figure 可以包含许多 Axes，但是一个给定的 Axes 对象只能在一个 Figure 中。一个 Axes 包含两个（或 3D 情况下为三个）Axis 对象（这些对象负责对数据进行限制）。可以使用 axes.Axes.set_xlim() 和 axes.Axes.set_ylim() 限制数据的范围；set_xlabel() 和 set_ylabel() 设置轴指标的描述说明；set_title() 设置标题。
Axes 类及其成员函数是使用 OO 接口的主要入口点。
1.3 Axis
Axis 是数据轴对象，主要用于控制数据轴上刻度位置和显示数值。Axis 有 Locator 和 Formatter 两个子对象，分别用于控制刻度位置和显示数值。
1.4 Artist
基本上所有的对象都是一个 Artist 对象，包括 Figure 对象、Axes 对象和 Axis 对象，可以将 Artist 理解为一个基本类。这包括 Text 对象，Line2D 对象，collections 对象，Patch 对象等。
绘制图形后，所有 artists 都被绘制到画布(canvas)上。 大多数 Artist 都被绑在 Axes 上。Artist 不能被多个轴共享，也不能从一个轴移动到另一个轴。
2 面向对象绘图与 pyplot 绘图
面向对象绘图：
import numpy as np
from matplotlib import pyplot as plt
x = np.linspace(0, 2, 100)
# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.
fig, ax = plt.subplots() # Create a figure and an axes.
ax.plot(x, x, label='linear') # Plot some data on the axes.
ax.plot(x, x**2, label='quadratic') # Plot more data on the axes...
ax.plot(x, x**3, label='cubic') # ... and some more.
ax.set_xlabel('x label') # Add an x-label to the axes.
ax.set_ylabel('y label') # Add a y-label to the axes.
ax.set_title("Simple Plot") # Add a title to the axes.
ax.legend() # Add a legend.
pyplot 绘图：
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear') # Plot some data on the (implicit) axes.
plt.plot(x, x**2, label='quadratic') # etc.
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
最终的效果图均为：
Matplotlib 的文档和示例同时使用 OO 和 pyplot 方法（功能同样强大），您可以随意使用两者（但是，最好选择其中一种并坚持使用，而不是混合使用）。通常，建议将 pyplot 限制为交互式绘图（例如，在 Jupyter 笔记本中），并建议将 OO 样式用于非交互式绘图（在打算作为较大项目的一部分重用的函数和脚本中）。
实际上，对于将 Matplotlib 嵌入到 GUI 应用程序中的情况，实际上存在第三种方法，即使创建图形，它也会完全删除 pyplot。 我们不在这里讨论。 有关更多信息，请参见库中的相应部分（在图形用户界面中嵌入 Matplotlib）。
3 Backends
网站和邮件列表上的许多文档都提到“后端”（"backend"），许多新用户可能对该术语感到困惑。其实为了支持所有这些用例，matplotlib 可以提供不同的输出，这些功能中的每一个都称为后端。“前端”是用户面对的代码，即绘图代码，而“后端”则是幕后所有艰苦的工作，以制作图形。后端有两种类型：用户界面后端（用于 pygtk，wxpython，tkinter，qt4 或 macosx；也称为“交互式后端”）和硬拷贝后端以制作图像文件（PNG，SVG，PDF，PS； 也称为“非交互式后端”）。
有 3 种方式识别后端：
- The
rcParams["backend"](default:'agg') parameter in yourmatplotlibrcfile - The
MPLBACKENDenvironment variable - The function
matplotlib.use()
如果存在多个配置，则列表中的最后一个优先。例如 调用 matplotlib.use() 将覆盖 matplotlibrc 中的设置（可参考 Customizing Matplotlib with style sheets and rcParams）。如果未明确设置任何后端，则 Matplotlib 会根据系统上可用的后端以及 GUI 事件循环是否已在运行，自动检测可用的后端。在 Linux 上，如果未设置环境变量 DISPLAY，则“事件循环”被标识为 "headless"，这将导致回退到非交互式后端（agg）。
