在如今信息爆炸的时代，如何让大量的信息汇聚与一张小小的图表，让人一目了然地作出判断，轻松传达出复杂的观点将是数据工作者的首要命题。善其事，必先利其器。matplotlib就是一款python可视化的利器。matplotlib在手，画图我有。
那么我们来看一下matplotlib有哪些经典的图表吧？
1.比较火的单细胞处理分析Scanpy 利用matplotlib将多个基因的小提琴图规则美观的合并在一起。
2.Deeptools 经典的heatmap和lineProfile可是由谷歌团队使用matplotlib 精心打造的哟～～
3.三维基因组神器GenomeTrack，利用matploltlib完美的对多组学进行联合可视化比较。
除此之外，我们自己也可以用matplotlib打造一些集优雅与知性与一身的图表哦～～
既然了解了matplotlib（https://matplotlib.org/gallery/index.html）能干啥，那么我们如何入手matplotlib呢？那么就需要从两大块一是基本图表 ，二是布局，画图就好比摆盘，图表就好比食材，而布局就好比你需要构思把食材摆放在哪里。
首先谈谈基本图表，matplolib提供的基本图形如下。
要看matplotlib涵盖的所有基本图形的语法，这就需要你没事去matplotlib的官网里溜溜，看看它的仓库（https://matplotlib.org/gallery/index.html#gallery）都有啥。
matplotlib基本的图表元素包括Figure,title，legend，ticks，labels（如下图）
那么，这些元素具体是怎么对应图表的呢？大家来看下面这个“栗子”～～
首先第一步，在你的python脚本中导入matplotlib包。
import matplotlib as mpl
mpl.use('Agg')
from matplotlib import pyplot as plt
plt.style.use('ggplot')
第二步，进行简单布局～～
fig=plt.figure()
ax=fig.add_axes([0.1,0.1,0.8,0.8],axisbg='w')
第三步，画一个基本图形～～
x = np.arange(-5, 5, 0.01)
y1 = -5*x*x + x + 10
y2 = 5*x*x + x
ax.plot(x, y1, x, y2, color='black’)
ax.fill_between(x, y1, y2, where=y2 >y1, facecolor='yellow', alpha=0.5)
ax.fill_between(x, y1, y2, where=y2 <=y1,facecolor='red', alpha=0.5)
ax.set_title('Fill Between')
如此一个简单的图表就产生了.......
第四步：保存图表（pdf和png格式）
fig.savefig(“xxx.pdf”)
fig.savefig(“xxx.png”)
知道了如何用matplotlib来生成一个简单的图表，我们来细看一下其他主要图表的基础函数和参数吧～～
散点图：
柱状图：
热图：
箱式图：
hlines：
看了基本图表，我们看看matplotlib 的第二大块——基本布局
其一，你可以通过add_axes来放置你的图表，通过left,bottom确定子图左下角的点在整个图的位置，以左下角的点向右（width）向下延伸（height）来确定图的大小。更详细的可以看一下这一篇文章https://blog.csdn.net/helunqu2017/article/details/78662877
其二：对于复杂布局而言，gridspec 简直好用的不能再好用了！
而且官网的说明简直不能再详细了！（https://matplotlib.org/tutorials/intermediate/gridspec.html#sphx-glr-tutorials-intermediate-gridspec-py）
matplotlib的两大模块就简单介绍到这里，细节的话容我后续一一道来～～