研究表明人类大脑处理图片的速度要比文字快6万倍，如何将海量的数据转换成可视化的图形是数据分析的必修课。matplotlib是python中最常用的可视化工具之一，功能非常强大，可以方便的绘制折线图、条形图、柱形图、散点图、盒图等2d图形，还可以绘制基本的3d图形。matplotlib是python数据可视化的基础库，在它的基础上又衍生出了多个数据可视化的工具集（如seaborn，将在后面的文章中讲到）。
折线图的绘制
折线图通常用来表示数据随时间或有序类别变化的趋势，本文使用的数据集“unrate.csv”记录了美国从1948年1月到2016年8月之间每月的失业率数据，通过绘制折线图可以很直观的了解失业率随时间的变化情况。首先使用pandas的read_csv函数读取数据文件，并生成一个dataframe对象unrate，csv文件的列名date和value自动转换成unrate的两个列；然后使用pandas的to_datetime函数将date列的日期格式（yyyy/mm/dd）转换成标准日期格式（yyyy-mm-dd），如下图所示。
接下来就可以使用matplotlib库对数据进行可视化操作了，按照惯例首先要引入pyplot包，通常将将plt作为它的别名。我们可以通过调用pyplot的不同函数实现图形的创建、自定义、显示等操作，其中plot函数用于创建图形，引入的两个参数分别为x轴与y轴的数据，如果不传入参数，将绘制空白图形；xticks函数用于定义x轴刻度的位置和刻度的标签，传入rotation=45将刻度标签旋转45度，当x轴数据刻度比较密集且刻度标签较长时，将刻度标签做适当旋转很有必要；xlabel和ylabel函数分别用于设置x轴和y轴的标签，title函数用于整个图形的标题；最后使用show函数将图形展示出来。
子图的绘制
除了绘制单幅图形之外，matplotlib还可以绘制子图实现多幅图的数据比对。首先要通过plt.figure创建一个新的figure对象fig，然后通过fig.add_subplot添加子图subplot，add_subplot函数包含三个参数，前两个参数表示子图的分布，第三个参数表示子图的位置，比如add_subplot(2, 2, 4)表示当前figure对象中共有4个子图（2行2列），当前子图是第4个。注意：子图是按照先从左至右，再从上至下的顺序进行排序的。
figure对象可以理解为一个大的画板，而子图就像是一个个独立的画布，先创建画板，接着画板指定位置张贴画布，然后在画布上作画，最后将整个画板展示出来。注意：如果只有一个子图，创建figure对象和子图的语句可以简写成“fig, ax = plt.subplots()”。
在单幅图中绘制多条折线
还可以使用matplotlib在单幅图中绘制多条折线，以实现数据的对比。方法很简单，就是多次调用plot方法，多条折线用不同的颜色加以区分。
上图虽然实现了多条折线的数据对比，但是缺少x，y轴标签、图例、标题等信息，别人看到这个图肯定是一头雾水，为了使绘制的图形更加清楚易懂，下面将上图的代码进行改进。
第4行提取unrate的date列中的月份，并新建了一个新的列month，在绘图时month列的数据可以直接作为x轴的刻度；第5行定义了一个颜色列表，对绘图使用颜色进行几种管理，方便以后的修改；第7行到第14行，使用for ... in循环来控制代码的长度，即使绘制100条折线也不会额外增加代码量；第16行至第19行分别对图形的图例、x轴y轴的标签和图形的标题进行定义。最终的绘制结果如下图所示，是不是一目了然了？
除了折线图以外，matplotlib还可以绘制条形图、散点图、柱形图、盒图，每种图形都有自己的应用场景，比如折线图通常用来表现数据的变化趋势，条形图通常用来对数据进行比较，散点图通常用来表现数据的分布等等。本文简单介绍了matplotlib中折线图的简单绘制，接下来将对其它几种图形进行介绍。本文使用的数据集和代码已上传到网盘，请移步网盘资源汇总（永久有效，定期更新）下载。