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
#建立子图 带入xy
fig,ax = plt.subplots()
lines = ax.plot(x,y)
#建立散点图，进行设置
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")
#设置
plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid')
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
plt.setp(lines,color='r',linewidth='4.0')
#设置标签
ax.text(1,
-2.1,
'Example Graph',
style='italic')
#设置
ax.annotate("Sine",
xy=(8,0),
xycoords='data',
xytext=(10.5,0),
textcoords='data',
arrowprops=dict(arrowstyle="->",connectionstyle="arc3"),)
#设置标题
plt.title(r'$sigma_i=15$',fontsize=20)
ax.margins(x=0.0,y=0.1)
ax.axis('equal')
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5])
ax.set_xlim(0,10.5)
#设置标签
ax.set(title='An Example Axes',
ylabel='Y-Axis',
xlabel='X-Axis')
ax.legend(loc='best')
ax.xaxis.set(ticks=range(1,5),
ticklabels=[3,100,-12,"foo"])
ax.tick_params(axis='y',
direction='inout',
length=10)
#自动调节subplot 参数进行指定填充
fig.tight_layout()
#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
'''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，
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
#创建子图，散点图
fig,ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")
#设置子图数据
plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid')
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
#对artist 对象设置属性，lines为之前设置的对象，setp函数可以对多条线进行设置的
plt.setp(lines,color='r',linewidth='4.0')
#在轴上添加文本
ax.text(1,
-2.1,
'Example Graph',
style='italic')
#用箭头在指定的一个数据点创建一个注释或一段文本
ax.annotate("Sine",
xy=(8,0),
xycoords='data',
xytext=(10.5,0),
textcoords='data',
arrowprops=dict(arrowstyle="->",connectionstyle="arc3"),)
#设置当前axes 标题
plt.title(r'$sigma_i=15$',fontsize=20)
#设置或检索自动缩放功能
ax.margins(x=0.0,y=0.1)
#获取或设置轴属性的便捷方法
ax.axis('equal')
#设置x，y轴的范围
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5])
ax.set_xlim(0,10.5)
#设置标题和x,y轴的标签
ax.set(title='An Example Axes',
ylabel='Y-Axis',
xlabel='X-Axis')
#Legend 对象列表，用于显示图示
ax.legend(loc='best')
#设置刻度标签
ax.xaxis.set(ticks=range(1,5),
ticklabels=[3,100,-12,"foo"])
#改变刻度及刻度标签外观
ax.tick_params(axis='y',
direction='inout',
length=10)
#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)
#自动调节subplot 参数进行指定填充
fig.tight_layout()
#spines 是连接轴刻度标记的线，而且标明了数据区域的边界
ax1.spines['top'].set_visible(False)
ax1.spines['bottom'].set_position(('outward',10))
#保存
plt.savefig('foo.png')
plt.savefig('foo.png',transparent=True)
#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
