• 你可以自己查matplotlib's documentation，我觉得挺全面的。
• 我使用gnuplot-py的经验很少，所以我不能说它是否能完成gnuplot所能做的一切。
• Matplotlib是专门为Python编写和设计的，因此它非常适合Python的习惯用法等。
• Matplotlib是一个成熟的项目。NASA用它来做一些事情。
• 我已经在Matplotlib中绘制了数千万个点，它看起来仍然很漂亮，React也很快。
• 除了使用Matplotlib的面向对象方式之外，还有pylab接口，它使绘图像在MATLAB中一样简单--也就是说，非常简单。
• 至于从gnuplot-py移植到matplotlib，我不知道。

Matplotlib =易用性，Gnuplot =（略好）性能

我知道这篇文章是旧的，回答，但我路过，想把我的两分钱.这里是我的结论：如果你有一个不太大的数据集，你应该使用Matplotlib。它更容易，看起来更好。然而，如果你真的需要性能，你可以使用Gnuplot。我添加了一些代码在你的机器上测试它，看看它是否有真正的区别（这不是一个真正的性能基准测试，但应该给予一个初步的想法）。
下图表示所需的时间（以秒为单位）：

• 绘制随机散点图
• 将图形保存到png文件

配置：

• gnuplot：5.2.2
• 几何图-py：1.8
• 位图库：2.1.2

我记得当在一台旧计算机上运行旧版本的库时，性能差距要大得多（对于一个大的散点图，大约30秒的差异）。
此外，正如在评论中提到的，你可以得到同等质量的图。但是你必须付出更多的汗水来使用Gnuplot。
Here's the code to generate the graph如果你想给予你的机器上试试：

# -*- coding: utf-8 -*-

from timeit import default_timer as timer
import matplotlib.pyplot as plt
import Gnuplot, Gnuplot.funcutils
import numpy as np
import sys
import os

def mPlotAndSave(x, y):
    plt.scatter(x, y)
    plt.savefig('mtmp.png')
    plt.clf()

def gPlotAndSave(data, g):
    g("set output 'gtmp.png'")
    g.plot(data)
    g("clear")

def cleanup():
    try:
        os.remove('gtmp.png')
    except OSError:
        pass
    try:
        os.remove('mtmp.png')
    except OSError:
        pass

begin = 2
end = 500000
step = 10000
numberOfPoints = range(begin, end, step)
n = len(numberOfPoints)
gnuplotTime = []
matplotlibTime = []
progressBarWidth = 30

# Init Gnuplot
g = Gnuplot.Gnuplot()
g("set terminal png size 640,480")

# Init matplotlib to avoid a peak in the beginning
plt.clf()

for idx, val in enumerate(numberOfPoints):
    # Print a nice progress bar (crucial)
    sys.stdout.write('\r')
    progress = (idx+1)*progressBarWidth/n
    bar = "▕" + "▇"*progress + "▁"*(progressBarWidth-progress) + "▏" + str(idx) + "/" + str(n-1)
    sys.stdout.write(bar)
    sys.stdout.flush()

    # Generate random data
    x = np.random.randint(sys.maxint, size=val)  
    y = np.random.randint(sys.maxint, size=val)
    gdata = zip(x,y)

    # Generate string call to a matplotlib plot and save, call it and save execution time
    start = timer()
    mPlotAndSave(x, y)
    end = timer()
    matplotlibTime.append(end - start)

    # Generate string call to a gnuplot plot and save, call it and save execution time
    start = timer()
    gPlotAndSave(gdata, g)
    end = timer()
    gnuplotTime.append(end - start)

    # Clean up the files
    cleanup()

del g
sys.stdout.write('\n')
plt.plot(numberOfPoints, gnuplotTime, label="gnuplot")
plt.plot(numberOfPoints, matplotlibTime, label="matplotlib")
plt.legend(loc='upper right')
plt.xlabel('Number of points in the scatter graph')
plt.ylabel('Execution time (s)')
plt.savefig('execution.png')
plt.show()

matplotlib有很好的文档，而且看起来很稳定。它生成的图很漂亮-“出版质量”是肯定的。由于良好的文档和大量的在线示例代码，它很容易学习和使用，我认为你将gnuplot代码翻译成它不会有太多麻烦。毕竟，matplotlib被科学家用来绘制数据和准备报告-所以它包含了人们需要的一切。
matplotlib的一个显著优点是可以将其与Python GUI（至少是wxPython和PyQt）集成，并创建具有漂亮绘图的GUI应用程序。

使用GNUplot后（用我自己的Python Package 器）很长时间（真的不喜欢80年代的输出），我刚开始看matplotlib.我必须说我非常喜欢它，输出看起来真的很好，文档是高质量和广泛的（尽管这也适用于GNUplot）。我花了很长时间在matplotlib文档中寻找的一件事是如何写到图像文件而不是屏幕上！幸运的是，这个页面解释得很好：http://www.dalkescientific.com/writings/diary/archive/2005/04/23/matplotlib_without_gui.html

关于性能和绘制大量的点：我使用gnuplot* 和matplotlib比较了从文本文件加载并保存到png的500.000个点的散点图。

500.000 points scatterplot
gnuplot:      5.171 s
matplotlib: 230.693 s

我只运行了一次，结果看起来并不相同，但我认为这个想法很清楚：gnuplot在性能上胜出。

• 我直接使用了gnuplot，因为gnuplotpy演示对我来说并不是开箱即用的。Matplotlib在Python集成方面胜出。

我玩过这两个，我更喜欢Matplotlib在Python集成，选项和图形/绘图质量方面。

Gnuplot可以做什么Gnuplot-Py也可以做什么。因为Gnuplot可以由管道（pgnuplot）驱动。Gnuplot-Py只是它的一个薄层。所以你不需要担心它。
为什么我更喜欢gnuplot？可能是因为它有很多输出格式（PDF，PS和LaTex），这在论文中非常有用，默认的输出看起来更科学：）

gnuplot的一些优点（使用多年后我仍然不喜欢matlibplot）：

• plot function 只需使用sin(x)（无需定义数组和考虑范围）
• 直接绘制 * 文件 *（无需导入数组）
• 绘制管道数据（动态执行shell命令"<echo 1 2 3"）
• 复制到剪贴板按钮
• 快速绘图
• 快速编码
• 关键词更容易记住

gplot.py是Python和Jupyter的另一个gnuplot Package 器。