1. matplotlib被划分为不同的层次：
   1. matplotlib.pyplot模块：位于matplotlib的顶层，它是一个state-machine environment。该模块中的很多函数是用于给当前Figure的当前Axes添加plot element，比如line、text、image等。它非常类似于Matlab的用法。
   2. 下一层是面向对象的接口：在这一层pyplot只是用部分函数来创建Figure，然后通过该Figure显式的创建Axes，然后通过面向对象的接口在该Axes上添加图形。极端情况下用户可以完全抛弃pyplot而完全使用面向对象的接口。
   3. 对于非交互式绘图，官方文档推荐用pyplot创建Figure，然后使用面向对象接口来绘图。
2. matplotlib的所有plotting function期待输入numpy.array或者numpy.ma.masked_array类型的数据作为输入。某些长得像numpy.array的数据比如numpy.matrix类型的输入数据可能会导致matplotlib工作异常。如果确实需要使用numpy.matrix，你应该首先将它转换为numpy.array
3. matplotlib 、 pyplot 、 pylab 的关系:
   1. matplotlib：它是整个package
   2. matplotlib.pyplot：是matplotlib的一个module。它为底层的面向对象接口提供了一个state-machine interface。这个state-machine必要的时候隐式创建Figure和Axes，并维护current Figure和current Axes
   3. pylab是一个便利的module，它导入了matplotlib.pyplot以及numpy，它只是为了plot以及math方便而用。官方文档不推荐使用它。
   4. pyplot.gcf()：获取当前的figure对象。pyplot.gca()：获取当前的Axes对象
4. 代码风格:官方文档不推荐 MATLAB风格的代码。因为MATLAB风格代码维护了全局状态，你执行同一个plot多次可能会发现结果是不同的。官方文档推荐使用如下风格：

  import matplotlib.pyplot as plt
  import numpy as np
  fig=plt.figure()
  ax=fig.add_subplot(111)
  ax.plot(...)
  ax.show()

这样的风格使得在绘图事件中，每个角色都很清楚，数据的流动也很清楚。