本篇將說明如何以 matplotlib 來進行基本的二維繪圖。要執行本篇的範例，請先用 pip 安裝 matplotlib。
最基本的繪圖指令是 plt.plot() ，如果輸入有兩個向量時，會分別把第一個以及第二個向量當作 x 和 y 來畫圖；若只有一個向量時，則會以其為 y，而以 np.arange(0, 其長度) 為 x 來畫圖，如下：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) y = np.sin(x) plt.figure() plt.plot(x, y) plt.figure() plt.plot(y) plt.show()在上述範例中，plt.figure() 是用於開啟一個新的繪圖視窗。事實上，當你呼叫 plt.plot() 或者其他繪圖函式時，若目前沒有繪圖視窗，則也會開啟一個新的，如果已經有繪圖視窗的話，則會畫在該視窗上；但是在此範例中，希望的是兩張圖片分開顯示，故為了範例的一致性，因此都加上了 plt.figure()；而要讓繪圖視窗真正的出現，必須使用 plt.show()。
在同一張圖上連續呼叫 plot 分別畫出多條曲線時，系統會自動幫你更換顏色；如果需要標示清楚哪條曲線是哪個方程式，則可以在畫圖時使用 label 參數說明，並使用 plt.legend() 顯示圖示；如果需要對軸的意義進行說明，可以使用 plt.xlabel() 或者 plt.ylabel()：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x) + np.cos(x) plt.plot(x, y1, label='sin(x)') plt.plot(x, y2, label='cos(x)') plt.plot(x, y3, label='sin(x)+cos(x)') plt.legend() plt.xlabel('x') plt.ylabel('f(x)') plt.show()如果要以不同的線標(marker)作圖，可以使用 plot 的第三個參數，以指定作圖格式：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x) + np.cos(x) plt.plot(x, y1, 'yo-', label='sin(x)') plt.plot(x, y2, 'k+-', label='cos(x)') plt.plot(x, y3, 'bx-', label='sin(x)+cos(x)') plt.legend() plt.xlabel('x') plt.ylabel('f(x)') plt.show()在上述範例中，格式的指定方式是一個字串，並且你可以簡單的透過它同時指定顏色、線標，以及線本身的樣式。
如果你的函式裡面用到了上下標的運算或表示方法時，可以直接使用 LATEX 語法來顯示出上下標（如果需要做比較複雜的顯示，可能在你的電腦裡，需要另外安裝有 LATEX）：
import numpy as np import matplotlib.pyplot as plt x = np.linspace(-5, 5, 100) y1 = 2 ** np.sin(x) plt.plot(x, y1, label='$y_1=2^{sin(x)}$') plt.legend() plt.xlabel('x') plt.ylabel('f(x)') plt.show()若要在同一個視窗上呈現多張子圖，可以使用 plt.subplot()。以下範例會畫出六個三角函數的圖形，而其中的 plt.axis 是用於控制圖軸範圍，以免 tan 等值域為正負無限大的函數的顯示困難：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) plt.subplot(2, 3, 1) plt.plot(x, np.sin(x)) plt.title('y = sin(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 3, 2) plt.plot(x, np.cos(x)) plt.title('y = cos(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 3, 3) plt.plot(x, np.tan(x)) plt.title('y = tan(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 3, 4) plt.plot(x, 1/np.tan(x)) plt.title('y = cot(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 3, 5) plt.plot(x, 1/np.cos(x)) plt.title('y = sec(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 3, 6) plt.plot(x, 1/np.sin(x)) plt.title('y = csc(x)') plt.axis([0, 6.29, -3, 3]) plt.show()若你希望子圖呈現時，不是單純的格網狀分割，則需要在呼叫 subplot 時，改變網格分割方式，以及子圖繪製的位置：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) plt.subplot(2, 2, 1) plt.plot(x, np.sin(x)) plt.title('y = sin(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(2, 2, 3) plt.plot(x, np.cos(x)) plt.title('y = cos(x)') plt.axis([0, 6.29, -3, 3]) plt.subplot(1, 2, 2) plt.plot(x, np.tan(x)) plt.title('y = tan(x)') plt.axis([0, 6.29, -3, 3]) plt.show()要將圖軸以 log scale 顯示，可以使用 plt.xscale() 或 plt.yscale() 帶入 'log' 參數，以下範例展示 plt.yscale('log')：
import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 10) y = 2 ** x plt.subplot(1, 2, 1) plt.plot(x, y) plt.subplot(1, 2, 2) plt.plot(x, y) plt.yscale('log') plt.show()前面介紹都是傳入向量的狀況，如果是傳入一個矩陣時，plot 會對該矩陣的每個 column 做圖；如果是兩個矩陣時，則會以對應的 column 做圖。你可以先猜猜看，以下範例會畫出什麼圖形：
import math import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2 * math.pi, 100) A = np.vstack([np.sin(x), 2 * np.sin(x), 3 * np.sin(x)]).T B = np.vstack([np.cos(x), 2 * np.cos(x), 3 * np.cos(x)]).T plt.plot(A, B) plt.show()繪製長條圖時，可使用 plt.bar()；如果需要分組繪製長條圖，則要用迴圈依次繪製每組的第一筆、第二筆，直到最後一筆；繪製同時也需要進行平移，而不是都畫在中間：
import math import numpy as np import matplotlib.pyplot as plt plt.figure() data = [774, 357, 300, 285] plt.bar([0, 1, 2, 3], data) plt.xlabel('Dorm') plt.ylabel('People Num') plt.xticks([0, 1, 2, 3], ('Shin','Shi','Ren','Yi')) plt.figure() data_inner = [15.8, 15.9, 15.6] data_outer = [20, 20.2, 20.3] labels = ['1st', '2nd', '3rd'] x = np.array([0, 1]) for i in range(3): plt.bar( x + (i - 1) * 0.2, [data_inner[i], data_outer[i]], width=0.2, label=labels[i], ) plt.xticks([0, 1], ('Inner','Outer')) plt.ylabel('Length (cm)') plt.legend() plt.show()繪製直方圖(histrogram)時，是使用 plt.hist。使用時，預設是切成 10 個 bin，你也可以指定 bin 的個數或者邊界：
import math import numpy as np import matplotlib.pyplot as plt from numpy.random import randn values = randn(10000) plt.figure() plt.hist(values) plt.figure() plt.hist(values, bins=50) # Number of bins plt.figure() plt.hist(values, bins=[-4, -3, -2, -1, 0, 1, 2, 3, 4]) # Bin edges plt.show()繪製箱形圖時，是使用 plt.boxplot：
import math import numpy as np import matplotlib.pyplot as plt from numpy.random import randn values_1 = randn(100) values_2 = randn(500) values_3 = randn(1000) plt.boxplot([values_1, values_2, values_3]) plt.show()