用 Python 畫如此漂亮的專業插圖 ？簡直 So easy！
正文
大家好，我是Python人工智能技術
方法一
強烈推薦 Python 的繪圖模塊 matplotlib: python plotting 。畫出來的圖真的是高端大氣上檔次，低調奢華有內涵~ 適用于從 2D 到 3D，從標量到矢量的各種繪圖。能夠保存成從 eps, pdf 到 svg, png, jpg 的多種格式。并且 Matplotlib 的繪圖函數基本上都與 Matlab 的繪圖函數名字都差不多，遷移的學習成本比較低。開源免費。如圖所示（題目描述中的圖在最后）：（以下圖片均引用自 Thumbnail gallery ）
像這種普通的函數圖象：
plt.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)
以及這種 Scatter 圖（中文不知道該怎么說…）：
plt.scatter(x, y, s=area, alpha=0.5)
精致的曲線，半透明的配色。顯出你那高貴冷艷的X格，最重要的是只需一行代碼就能搞定。從此再也不用忍受 Matlab以及GNUPlot 中那蛋疼的配色了。
想畫 3D 數據？沒有問題 (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)
四行代碼你就能擁有（后三行是畫坐標平面上的等高線，嚴格的額說還是一行）。
除此以外，不過你是矢量場，網絡還是什么奇葩的需求都能夠搞定：
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)
這還沒完，Matplotlib 還支持Latex公式的插入，當別人畫的圖還是這個樣子的時候（以下圖片引用自Matplotlib Tutorial(譯)）
你能夠把它變成這個樣子：
如果再搭配上 IPython 作為運行終端（這張圖是自己繪制的~）：
簡直就是神器啊，有木有！
心動不如行動，還等什么？
經@許鋮同學提醒，再補充一句，matplotlib 還可以話 xkcd 風格的圖呦~
（圖片引用自網絡）
此外結合 IPython Notebook 后更多精彩內容，請看http://nbviewer.ipython.org/
如果嫌安裝麻煩并且恰好在 Windows 系統下的話可以嘗試Python的一個發行版winpython - Portable Scientific Python 2/3 32/64bit Distribution for Windows。
鑒于@van li同學質疑 matplotlib 是否能畫出題目中所示的圖像，我在這里將題目中的圖像用 matplotlib 畫出來如下：
代碼在此處：
https://gist.github.com/coldfog/c479124328fc6bb8b789
代碼在此處：
https://gist.github.com/coldfog/5da63a6958fc0a949b52
看到樓下有人說配色和好看，唉....那我也貼幾個吧...只不過當初限于篇幅沒有寫而已。另外，搜索公眾號頂級python后臺回復“進階”，獲取一份驚喜禮包。
首先，python有一個專門的配色包jiffyclub/brewer2mpl，提供了從美術角度來講的精美配色（戳這里感受ColorBrewer: Color Advice for Maps）。
此外還有一些致力于美化繪圖的庫，用起來也都非常方便，比如olgabot/prettyplotlib 。
廢話不多說，上圖就是王道。（下面圖片來源網絡）
有人可能會說需要復雜的設置，其實也不用。比如上邊這幅圖，只需要多加一個參數就好：
cmap=brewer2mpl.get_map('RdBu', 'diverging', 8, reverse=True).mpl_colormap,
樓下說到統計繪圖。嘛seaborn 是一個調用 matplotlib 的統計繪圖庫，上圖：
(https://github.com/mwaskom/seaborn)
代碼一行，后邊的幾乎都是一行，沒做其他設置，默認就這樣。我就不貼其他的代碼了：
g = sns.jointplot(x1, x2, kind="kde", size=7, space=0)
還有個更炫酷的可交互式繪圖，大家自己戳開看吧：
http://nbviewer.ipython.org/github/plotly/python-user-guidechaocc/blob/master/s0_getting-started/s0_getting-started.ipynb
遇到安裝問題的請嘗試Anaconda這個Python發行版。下載安裝后直接使用即可，它幾乎預裝了所有要用到的科學計算及可視化的庫。
有盆友在評論里說希望能有完整的教程，確實就這個答案來說，離實際使用還有很大的距離，網上相關的中文資料也不多。不過真要寫起來這個答案也裝不下，況且寫在這個問題下也不是很恰當。等到那天我有專欄了再說吧，到時候也許會寫一個關于可視化的系列教程。
方法二
翻遍這個問題下的所有回答，發現凡是提到Matlab的，其評價中常有‘鋸齒’，‘菜鳥’，‘難看’，‘不忍直視’等標簽。
然而，2020年了，技術提升了，觀念進步了，當一些基本問題解決后，Matlab還那么‘不堪’嗎？
觀察Mathematica、Origin、Python/matplotlib、R/ggplot2等軟件繪制的數據、結果圖，其與Matlab圖的差異主要體現在點、線、面等對象屬性（位置、尺寸、顏色等）的不同上。
既然只是屬性的不同，那是不是只要修改一下這些信息，就可以實現各種軟件繪圖風格之間的轉換了呢？
答案是肯定的。
比如，這是高贊回答 @馮昱堯用Python/matplotlib繪制的一幅圖：
我們用Matlab默認屬性來繪制，效果是這樣的（沒加誤差棒）：
然后，只需再修改一下位置、尺寸、顏色等信息，就可以得到風格差不多的圖（沒加誤差棒）：
當我們用這一思想來思考該如何繪制插圖時，就很容易實現自己的小想法，仿造甚至創造出理想的插圖。
比如，某一天，發現傍晚的天空顏色很美，心想：為什么不能把它畫到論文插圖里呢？（見：Matlab論文插圖配色2——自然漸變）
于是，
再比如，某一天，看到女朋友的照片，覺得很美，心想：為什么不能把她畫到論文插圖里呢？（見：Matlab論文插圖配色1——是女朋友的顏色）
于是，
這時，有朋友就要說了：“哎呀答主，你整這些個花里花哨的東西，還不是得一行代碼一行代碼的敲出來啊，太麻煩了吧?！?br>
此言差矣。
就像R有ggplot2，Python有matplotlib，Matlab其實也有很多現成的繪圖工具包，并不需要你自己開發。
比如，
Pierre Morel [1] 結合ggplot2，開發了gramm工具，用于繪制復雜圖形。
Inspired by ggplot2 (Wickham 2009), the R implementation of “grammar of graphics” principles (Wilkinson 1999), gramm improves Matlab’s plotting functionality, allowing to generate complex figures using high-level object-oriented code.
示例效果如下：
類似的，Stephen Cobeldick [2] 將matplotlib配色方案移植到了Matlab。
也就是說，在Matlab中就可以直接用matplotlib的配色方案了，就不必總是‘jet’了。
The MatPlotLib 2.0 default colormaps ported to MATLAB. This submission also includes the Line ColorOrder colormaps!
示例效果如下：
還有很多專門針對論文插圖的工具包，這里就不一一介紹了。
總的來說，工具只是工具，它們并沒有高低貴賤之分。
若想畫出好看的插圖，關鍵還是在于使用工具的人。
集中一點，登峰造極。
參考：
??Morel P . Gramm: grammar of graphics plotting in Matlab.???
??Cobeldick S . MatPlotLib Perceptually Uniform Colormaps.??
