并且 Matplotlib 的绘图函数基本上都与 Matlab 的绘图函数名字都差不多，迁移的学习成本比较低。开源免费。如图所示（题目描述中的图在最后）：（以下图片均引用自 Thumbnail gallery ）
像这种普通的函数图象：
plt.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)
以及这种 Scatter 图（中文不知道该怎么说…）：
plt.scatter(x, y, s=area, alpha=0.5)
精致的曲线，半透明的配色。显出你那高贵冷艳的X格，最重要的是只需一行代码就能搞定。从此再也不用忍受 Matlab以及GNUPlot 中那蛋疼的配色了。
想画 3D 数据？没有问题 (用mayavi可能更方便)：
ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)
cset = ax.contourf(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax.contourf(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax.contourf(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)
四行代码你就能拥有（后三行是画坐标平面上的等高线，严格的额说还是一行）。
除此以外，不过你是矢量场，网络还是什么奇葩的需求都能够搞定：
plt.streamplot(X, Y, U, V, color=U, linewidth=2, cmap=plt.cm.autumn)
plt.colorbar()
plt.triplot(x, y, triangles, 'go-')
plt.title('triplot of user-specified triangulation')
plt.xlabel('Longitude (degrees)')
plt.ylabel('Latitude (degrees)')
ax = plt.subplot(111, polar=True)
bars = ax.bar(theta, radii, width=width, bottom=0.0)
这还没完，Matplotlib 还支持Latex公式的插入，当别人画的图还是这个样子的时候（以下图片引用自Matplotlib Tutorial(译)）
你能够把它变成这个样子：
如果再搭配上 IPython 作为运行终端（这张图是自己绘制的~）：
简直就是神器啊，有木有！
心动不如行动，还等什么？
再补充一句，matplotlib 还可以话 xkcd 风格的图呦~
（图片引用自网络）
此外结合 IPython Notebook 后更多精彩内容，请看http://nbviewer.ipython.org/
如果嫌安装麻烦并且恰好在 Windows 系统下的话可以尝试Python的一个发行版winpython - Portable Scientific Python 2/3 32/64bit Distribution for Windows。
鉴于有同学质疑 matplotlib 是否能画出题目中所示的图像，我在这里将题目中的图像用 matplotlib 画出来如下：
代码在此处：https://gist.github.com/coldfog/c479124328fc6bb8b789
代码在此处：https://gist.github.com/coldfog/5da63a6958fc0a949b52
看到楼下有人说配色和好看，唉....那我也贴几个吧...只不过当初限于篇幅没有写而已。
首先，python有一个专门的配色包jiffyclub/brewer2mpl，提供了从美术角度来讲的精美配色（戳这里感受ColorBrewer: Color Advice for Maps）。
此外还有一些致力于美化绘图的库，用起来也都非常方便，比如olgabot/prettyplotlib 。
废话不多说，上图就是王道。（下面图片来源网络）
有人可能会说需要复杂的设置，其实也不用。比如上边这幅图，只需要多加一个参数就好：
cmap=brewer2mpl.get_map('RdBu', 'diverging', 8, reverse=True).mpl_colormap,
楼下说到统计绘图。嘛seaborn 是一个调用 matplotlib 的统计绘图库，上图：(https://github.com/mwaskom/seaborn)
代码一行，后边的几乎都是一行，没做其他设置，默认就这样。我就不贴其他的代码了：
g = sns.jointplot(x1, x2, kind='kde', size=7, space=0)
还有个更炫酷的可交互式绘图，大家自己戳开看吧：
http://nbviewer.ipython.org/github/plotly/python-user-guidechaocc/blob/master/s0_getting-started/s0_getting-started.ipynb
遇到安装问题的请尝试Anaconda这个Python发行版。下载安装后直接使用即可，它几乎预装了所有要用到的科学计算及可视化的库。
来源：python专栏
联系客服
