Matplotlib.pyplot 库类似于 MATLAB，提供了多种将数据绘制成图形的方法。由于后续章节会用它来完成一些数据分析结果的可视化，因此我们需要通过一个简短的例子来解释即将使用的 matplotlib 代码：

在导入该库（命名为 plt）后，需要创建一个 figure 对象（命名为 fig），然后添加一个 axis 对象（命名为 ax）。每条线通过 ax.plot() 命令绘制到 ax 对象中，每条线被称为句柄。接下来，所有 matplotlib.pyplot 的指令都会被记录并绘制到 figure 对象中。在这个例子中，使用 plt.show() 命令直接在终端显示绿色折线，并用 fig.savefig() 函数将其保存为 figure.png 文件。运行结果如图1.1所示。

接下来的示例展示了如何用一条命令绘制具有不同样式的多条曲线。这里使用了 NumPy 数组，结果如图1.2所示。

注意上述代码中的 getlegendhandles_labels() 函数，它返回存储在 ax 对象中的句柄列表和标签，我们需要将这两个结果传递给 legend 函数来完成绘图。符号 "r--", "bs", 和 "g^" 分别表示红色虚线、蓝色方块和绿色三角形，linewidth 参数控制线条粗细，markersize 参数控制点的大小。

除了折线图，另一种常用的可视化方法是散点图，通常用于展示两组数据的不同取值情况（这里我们使用 NumPy 的 random 子模块生成数据）。上述代码中，s 选项表示数据点的大小，c 选项则定义了每个数据点的颜色。我们直接将句柄（p1, p2, p3）传递给 legend 函数，如图1.3所示。

关于 Matplotlib 库的更多细节，建议查阅网上相关资料和教程，例如官方网站提供的教程：http://matplotlib.org/users/pyplot_tutorial.html。

本文摘自《机器学习 Web 应用》一书。这本书全面介绍了使用 Python 进行 Web 下的机器学习。它不仅涵盖了基础的机器学习概念，还涉及 Web 下的数据挖掘工具和技术。此外，书中还介绍了 Django 框架的相关知识以及数据库管理等内容，帮助读者掌握聚类和分类技术，并通过 Python 实现这些技术。