根据提供的信息，我们可以总结出以下有关使用Python中的Matplotlib进行数据可视化的重要知识点：
### Python数据科学速查表 - Matplotlib 绘图
#### 一、准备数据
在使用Matplotlib进行绘图之前，首先需要准备好要展示的数据。这部分通常涉及到使用Python的其他库如NumPy等来生成或处理数据。
**示例代码**：
```python
import numpy as np
x = np.linspace(0, 10, 100)
y = np.cos(x)
z = np.sin(x)
```
这里使用了`numpy`库中的`linspace`函数来生成从0到10之间等差分布的100个点，并计算这些点的余弦值和正弦值。
#### 二、创建图形
一旦数据准备就绪，接下来就可以使用Matplotlib创建图形了。这一步骤通常包括创建一个画布（Figure）以及添加坐标轴（Axes）。
**示例代码**：
```python
import matplotlib.pyplot as plt
# 创建画布
fig = plt.figure()
# 添加坐标轴
ax = fig.add_subplot(111)
# 绘制曲线
ax.plot(x, y, color='lightblue', linewidth=3)
# 散点图
ax.scatter([2, 4, 6], [5, 15, 25], color='darkgreen', marker='^')
# 设置x轴范围
ax.set_xlim(1, 6.5)
```
这里通过`add_subplot`方法添加了一个坐标轴，并使用`plot`方法绘制了一条蓝色的曲线，同时用`scatter`方法添加了散点图。此外，还设置了x轴的范围。
#### 三、自定义图形
为了使图表更加美观且易于理解，我们还可以对图表进行各种自定义设置，例如改变线条颜色、添加图例、调整坐标轴等。
**示例代码**：
```python
# 设置标题和坐标轴标签
ax.set(title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')
# 添加图例
ax.legend(loc='best')
# 调整坐标轴
ax.xaxis.set(ticks=range(1, 5), ticklabels=[3, 100, -12, "foo"])
ax.tick_params(axis='y', direction='inout', length=10)
```
这里设置了图表的标题和坐标轴标签，并通过`legend`方法添加了图例。同时，还调整了x轴上的刻度和标签，以及y轴上的刻度方向和长度。
#### 四、保存图形
完成绘图后，可以将图表保存为图片文件以便于后续查看或分享。
**示例代码**：
```python
plt.savefig('foo.png')
```
此命令将当前图表保存为名为“foo”的PNG文件。
#### 五、显示图形
如果需要在屏幕上查看图表，可以使用`show`方法来显示图形。
**示例代码**：
```python
plt.show()
```
以上就是使用Matplotlib进行数据可视化的基本步骤。值得注意的是，Matplotlib还提供了许多高级功能，例如自定义颜色、样式、字体大小等等，这些都可以进一步提升图表的质量和表现力。此外，Matplotlib还支持多种图形类型，如柱状图、饼图、散点图等，可以根据具体需求选择合适的图表类型。
