一、简介
以下引用自百度百科
Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。
通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
二、流程
1. 明确要研究的问题
2. 选择需要使用什么图形（折线图、直方图……）来呈现
3. 准备相应的数据
4. 绘制图形和完善美化图形
在某些情况下，个人认为还有最后一点，是从图中可以得出什么结论。
以下只是简单的示例，就没有一定按照上面的流程。
三、简单示例
1.折线图
1.1 什么是折线图
以下引用自百度百科
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。
简单来说，折线图可以反映事物的变化情况。
1.2 准备数据
2.条形图
2.1 什么是条形图
以下引用自百度百科
条形图（bar chart）是用宽度相同的条形的高度或长短来表示数据多少的图形。条形图可以横置或纵置，纵置时也称为柱形图（column chart）。此外，条形图有简单条形图、复式条形 图等形式。
简单来说，条形图可以直观地反映数据的大小。
2.2 准备数据
3.直方图
3.1 什么是直方图
以下引用自百度百科
直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。
为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。
3.2 准备数据
3.3 绘制完善图形
代码如下：
plt.figure(figsize=(10,6.18),dpi=100) plt.hist(df["running_time"],range(0,171,10),color="#009900") plt.xticks(range(0,171,10)) plt.yticks(range(0,650,50)) plt.grid(alpha=0.5,linestyle="--") plt.xlabel("时长（分钟）",fontproperties=my_font,fontsize=12) plt.ylabel("数量", fontproperties=my_font,fontsize=12) plt.title("电影片长分布情况", fontproperties=my_font,fontsize=18) plt.show()3.4 绘制图形结果
运行上述代码，结果如下。
