关于问题仅就作图而言，python 和 matlab 有可比性吗？一共有 2 位热心网友为你解答:
【1】、来自网友【数据分析孙斌】的最佳回答：
这个问题有点意思，MATLAB 与 Python 之争很早开始了。
MATLAB 可是如雷贯耳，数学、工程相关专业的学生、工程师们基本都会使用到它，功能强大，提供了各种可用来绘制数据图形的函数。
Python 不仅是一门语言，更是一个生态，有丰富的第三方库来绘图，如 matplotlib，还有在此基础上封装得更高级的 seaborn。
常用的图表
稍微总结了一下，常用的数据图表如下图所示，对于这些图表，MATLAB 和 Python 都能够实现，几乎没有差异。
对比
-
Python 免费且开源；而 MATLAB 的价格，永久授权版：15500 元，按年付费：6200 元，还是有点贵的。
-
很多时候，MATLAB 的代码更简洁。
-
Python 的面向对象开发让 Python 更简单、更优雅；
-
Python 是一个生态，支持更多图像处理的包和工具集。
-
MATLAB 的 Simulink 模块很强大，尤其是学术界大量使用 MATLAB 做仿真，在动态系统建模、仿真等方面 MATLAB 还是很强大。
二者融合
其实 MATLAB 支持很多其他编程语言，包括 Python，所以可以将 MATLAB 与 Python 结合使用，即 MATLAB 与 Python 之间是可以双向调用的。
1、借助针对 Python 的 MATLAB Engine API，可用 Python 调用 MATLAB 。
2、如果使用 Python 编写函数和对象，也可以通过 MATLAB 调用 Python。
所以，不是必须非要选择一个，可以两者结合使用。
MATLAB 绘图展示
下面展示一些 MATLAB 绘图示例。
说明：因为格式、篇幅问题，代码就不贴上来了。
1、普通的折线图
2、带有子图的条形图
3、带有填充标记散点图
4、三维散点图
5、三维表面图
Python 绘图展示
下面展示一些 Python 绘图示例。
1、普通的折线图
2、堆积柱形图
3、散点图
4、三维散点图
5、三维表面图
欢迎关注【数据科学吧】，分享数据科学相关的知识！
【2】、来自网友【易三一世】的最佳回答：
有，非常强大！这一轮 python 获胜。我下面的介绍很适合收藏哟。
当然，你讲的是“作图”是什么意思呀？是数据可视化么？那也更是 python 强。
如果是 3d 动画，也是 python 强大。
这一切都是因为 python 很热，同时有很多库可以依赖。
美女与 python（蟒蛇）
今天就仅仅说 python 的作图的数据可视化，适合收藏。
1 matplotlib：
网上很多资料，强大的 python 数据可视化库。
我曾简单介绍过，文章
2 pyecharts：
国人大作，牛！
我曾介绍过，文章
3 seaborn：
是对 matplotlib 进行高级封装，在颜色上进行优化。
我曾介绍过，文章
4 Plotly：
Plotly 是一款用来做数据分析和可视化的在线平台，功能非常强大。
我曾介绍过，文章
5 cutecharts：
cutecharts：是一款可爱的手绘数据可视化工具，代码原理类似 pyecharts。
我曾介绍过，文章
中场休息一
6 reportlab：
reportlab 模块是用 python 语言生成 pdf 文件的模块，也可以作图。
我曾介绍过，文章
7 visvis：
visvis 库：是 Python 视觉库，非常强大。也可以数据可视化，但不是强项。
我曾介绍过，文章
8 Pygal：
Pygal 是另一个简单易用的数据图库，它以面向对象的方式来创建各种数据图。
我曾介绍过，文章
9 Pyqtgraph：
Pyqtgraph 库：优于 matplotlib 库，可交互的、多平台的、适合 2D 和 3D 的一个 python 库。
也可以进行数据可视化。
我曾介绍过，文章
10 Bokeh：
应该放在前面，很强大的数据可视化库，排在 matplotlib 之后的。
我曾介绍过，文章
中场休息二
11 Dash：
Dash 是一个纯 Python 写成的框架,无需 JavaScript 即可构建交互式的分析类 web 应用程序。
Dash 是一个优秀的交互式可视化工具，基于 plotly。
我曾介绍过，文章
12 Streamlit：
是一个开源 Python 库，可轻松构建用于机器学习的漂亮应用程序。
也可以进行数据可视化。
我曾介绍过，文章
13 VisPy：
Vispy 是一个以 OpenGL 为基础的交互 3D 可视化库。
我曾介绍过，文章
14 Altair：
Altair 是一个声明性统计可视化库，基于 Vega 和 Vega-Lite。
除了绘制基本图像，Altair 强大之处在于用户可以与图像进行交互，包括平移、缩放、选中某一块数据等操作。
我曾介绍过，文章
15 VPython：
VPython 是 python 默认的 3D 模块，与 PyOpenGL 相比，容易上手，无需太多编程技巧。
被人忽略的强大的数据可视化作图功能。
我曾介绍过，文章
中场休息三：向钟爷爷学习，致敬！
16 GooPyCharts：
是一个用于谷歌图表接口的 Python 包。
一个易于安装与使用的图表库，语法与 MATLAB 相似，而且可以替代 matplotlib。
我曾介绍过，文章
17 Plotly Express：
Plotly Express 是对 Plotly.py 的高级封装；plotly 推出了其简化接口:Plotly Express，简称:px。
我曾介绍过，文章
18 Pandas：
一般人不知道的。
已经成为最受欢迎的数据科学库之一。
pandas 也集成了数据可视化的功能，其数据可视化已经可以满足我们大部分的要求了，也就省下了我们很多自己使用 如 matplotlib 来数据可视化的工作。
我曾介绍过，文章
19 Plotnine：
plotnine 是 Python 中图形语法的一种实现，它基于 ggplot2，绘图精美而简单。
ggplot2，是 R 语言下的一款强大的、大名鼎鼎的数据可视化绘图库。
我曾介绍过，文章
20 Chartify：
Chartify 库：是由 Spotify 开源了一个 Python 库，可让人轻松创建图表。
而 Spotify 是全球最大的正版流媒体音乐服务平台之一，最新开源的作品 Chartify 帮助数据科学家用 Python 创建图表。
我曾介绍过，文章
中场休息四：强不？
21 Orange：
Orange：一个基于 Python 的数据挖掘和机器学习平台。
非常优秀，而且每天都在更新和维护。
orange=橙色，数据挖掘，数据可视化，通过可视化编程或 Python 脚本学习机分析。
我曾介绍过，文章
22 HvPlot：
HvPlot – 基于 HoloViews 的 pandas、dask、streamz 和 xarray 高级绘图 API。
我曾介绍过，文章
23 Bqplot：
Bqplot 是用于 Jupyter 的交互式 2D 绘图库。
Bqplot 的可视化是基于 D3.js 和 SVG 的，支持快速交互和漂亮的动画。
我曾介绍过，文章
24 NetworkX：
NetworkX 是一个 Python 包，用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。
可用于数据挖掘，尤其适合生成人物社会关系图，超牛。
我曾介绍过，文章
25 Toyplot：
Toyplot 是一个 Python 的交互式绘图库，可用于数据可视化、绘图、文字，用各种形式展示。
我曾介绍过，文章
中场休息五：这么多呀，看累了，伸个懒腰
26 Dabl：
dabl，Python 数据分析基准库。
允许使用可视化和预处理进行数据探索。
我曾介绍过，文章
27 HoloViews：
HoloViews 库用来制作数据可视化，比 bokeh 和 matplotlib 更方便、更简洁，是一个 python 库文件。
基于 jupyter 的可交互的，当然还可以生成 html 和 svg 等格式。
我曾介绍过，文章
28 Mpld3：
MPLD3=mpl+d3=matplotlib+D3js。
是基于当前 python 下面最流行的图形图像库 matplotlib 和最知名的 javascript 库 D3js 上开发得到的。
我曾介绍过，文章
29 Joypy：
Joypy 其实是挂在 matplotlib 下实现数据可视化的。
Joypy 库：一个 python 绘制的山峰叠峦图库。
我曾介绍过，文章
===这么多，python 太牛了，所以用的人也就多，开发这么多数据可视化库===
最后，回到正题，你说的作图，我只是介绍 python 的数据可视化部分，而且仅仅是我介绍过的，你说强大不强大，如果包括其他比如 3d 或者绘图，或者地理数据可视化，那是太强大啦！
所以，python 胜出！！！
其他我的今日头条文字里有许多介绍，比如：
《Pixelhouse：一个精美的、极简主义的 python 绘图库》
呀！我的文字仅仅在头条搜索里查询到，呵呵。
