Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython。
Windows 系统安装 Matplotlib
进入到 cmd 窗口下，执行以下命令：
python -m pip install -U pip setuptools python -m pip install matplotlib
Linux 系统安装 Matplotlib
可以使用 Linux 包管理器来安装：
- Debian / Ubuntu：
sudo apt-get install python-matplotlib
- Fedora / Redhat：
sudo yum install python-matplotlib
Mac OSX 系统安装 Matplotlib
Mac OSX 可以使用 pip 命令来安装：
sudo python -mpip install matplotlib
安装完后，你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。
$ python -m pip list | grep matplotlib matplotlib (1.3.1)
人工智能实现简单的画图功能，例如柱状图，曲线图，散点图。
柱状图
主要用于数据的统计与分析，早期主要用于数学统计学科中，
数码相机的曝光值用柱状图表示
到现代使用已经比较广泛，比如现代的电子产品和一些软件的分析测试，如电脑，数码相机的显示器和photoshop上都能看到相应的柱状图。易于比较各组数据之间的差别。
# 导包
import matplotlib.pyplot as plt
# 导入字体库
from matplotlib.font_manager import FontProperties
# 设置本机字体 字体样式 字体大小
# font = FontProperties(fname="c:/Windows/Fonts/simhei.ttf",size=30)
# 柱状图
# 设置数据
salary = [9000,10000,5000,3000]
group = ['beijing','shanghai','guangzhou','hebei']
# 填充数据
plt.bar(group,salary)
# 设置标题
plt.title('salary/group')
plt.show()
曲线图
绘制曲线图时，如果是某一现象的时间指标,应将时间绘在坐标的横轴上,指标绘在坐标的纵轴上。如果是两个现象依存关系的显示，可以将表示原因的指标绘在横轴上,表示结果的指标绘在纵轴上。同时还应注意整个图形的长宽比例
# 导包
import matplotlib.pyplot as plt
# 导入字体库
from matplotlib.font_manager import FontProperties
# 设置本机字体 字体样式 字体大小
font = FontProperties(fname="c:/Windows/Fonts/simkai.ttf",size=30)
# 单指标
# # 填充数据 第一个x轴，第二个y轴
# plt.plot(['2019-03-01','2019-03-02','2019-03-03'],[0,10,10])
# # 绘制方法
# plt.show()
# 多指标曲线图
# d定制数据
x1 = ['2019-03-01','2019-03-02','2019-03-03','2019-03-04','2019-03-05','2019-03-06']
y1 = [0,5,6,1,10,9]
x2 = ['2019-03-01','2019-03-02','2019-03-03','2019-03-04','2019-03-05','2019-03-06']
y2 = [10,20,15,30,25,24]
# 填充数据 温度 :temperature
plt.plot(x1,y1,label='temperature')
# 湿度
plt.plot(x2,y2,label='water')
# 设置标题
plt.title('温湿度趋势图',FontProperties=font)
# 显示图例
plt.legend()
# 绘制方法
plt.show()
散点图
用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。
# 导包
import matplotlib.pyplot as plt
# 导入科学计算
import numpy as np
# 设置数据
# plt.scatter(2,4)
# # 绘制
# plt.show()
# 定义x轴数据 ：随机
x = list(range(0,101))
y = [xvalue * np.random.rand() for xvalue in x ]
# 填充数据
# s ：点的大小和粗细
# c: 颜色
plt.scatter(x,y,s=20,c='red')
plt.show()
总结：
柱状图关键字：bar()
曲线图关键字：plot()
散点图关键字：scatter()