Python 非常热门，但除非工作需要没有刻意去了解更多，直到有个函数图要绘制，想起了它。结果发现，完全用不着明白什么是编程，就可以使用它完成很多数学函数图的绘制。
通过以下两个步骤，就可以进行数学函数的绘制了。
两个步骤
（1）安装 Anaconda
Anaconda 包含了 Python 的运行环境、诸多科学计算库以及好些实用工具，安装它，有当前所需的一切。看它们的翻译，的确也是同类。
下载地址：https://www.anaconda.com/distribution/
直接运行安装即可，有点大。
（2）编织代码运行
运行 Anaconda Navigator，打开界面中的 Spyder，如下图：
进入编辑界面，我们以一个最简单的 y = x 函数为例输入以下代码：
代码语言：javascript复制import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(1, 10, 1000)
y = x
plt.plot(x,y,'r',linewidth=2)运行它就能看到已经有我们想要的结果。
关键解析
这几行代码中，前两行是引入相应的功能库，Anaconda 已经包含了这些库，复制代码上去即可。最后一行是执行绘制。所以关键的代码以下两行。
代码语言：javascript复制x = np.linspace(1, 10, 1000)
y = x而第一行指明的是 x 的取值范围，x = np.linspace(1, 10, 1000)表示 x 的取值范围为 1 至 10，后边那个 1000 指的是细粒度，线是由点构成的，但点是无穷的，我们通过有限的点形成线，理论上点定义得越细线越精确。
则我们只剩下第二行 y = x 的函数部分了，对于 y = f(x) 的函数，仅此一处写函数即可。试试：
代码语言：javascript复制y = np.sin(x)
是不是完全只需要关心数据函数，如果你需要的就是这些，至此就可以了。
更多控制
若需要进一步的对坐标进行修饰，设置坐标轴标签，精准刻度等，可以参考：
https://www.jianshu.com/p/78ba36dddad8
更多库功能：
numpy 库基础信息可参考：https://www.numpy.org/devdocs/user/basics.html
matplotlib.pyplot 库操作可参考： https://matplotlib.org/api/pyplot_api.html
不得不提
Anoconda 除了提供 Spyder 编辑工具，还提供 Jupyter notebook 工具，即所谓有文学编程工具（左手程序员，右手作家），了解它可参阅此文章：http://python.jobbole.com/87527/?repeat=w3tc
以下为本文介绍的几个函数通过 Jupyter notebook 形成文档的一个示例： http://www.timeddd.com/sample/drawfunc.html 效果如下：
