在〈陣列程式設計〉中看到的範例，都是自行指定 list 來建立 NumPy 的陣列，實際上只要是類陣列（array like），也就是實作了 __array__ 方法的物件，都可以作為 numpy.array 的第一個引數。
在 NumPy 中要建立陣列也有其他的方式，然而，不需要一次性地全部認識，而是在日後各自需求發生，在搜尋引掌或 API 文件搜尋看看有沒有合用對象就可以了。
為了讓需求有趣一點，在這邊先簡略談談 Matplotlib，看看我玩圖學、OpenSCAD、WebGL、p5.js 應該可以發覺，我是一個很圖像化思考的人，如果讓執行結果可以圖像化表示，一來可以有個具體實現目標，二來在學習成果的回饋上也會有趣一些。
Matplotlib 的功能也是很多，如同 NumPy，不需要一次性地全部認識 Matplotlib，遇到需求再逐一認識探索就可以了。
那麼這邊的第一個需求就是畫出函式 y = a * x + b 的圖形，在這需求下，首先是用最簡單的方式秀出 Matplotlib 視窗：
import matplotlib.pyplot as plt
plt.title('y = a * x + b') # 顯示標題
plt.xlabel('x') # x 軸標示
plt.ylabel('y') # y 軸標示
plt.show()
matplotlib.pyplot 是繪圖時必要的模組，使用 title 設定標題後呼叫 show，就可以顯示 Matplotlib 視窗，這邊也透過 xlabel、ylabel 設定了標示文字，執行後就會看到以下畫面：
可以使用 plot 方法指定 x、y 座標來畫出函式圖形，plot 的第一個參數接受全部的 x 值，第二個參數接受全部的 y 值，Matplotlib 常見與 NumPy 結合使用，然而這不是必要的，其實各可以使用 list 指定，只不過在程式碼的表達上會有差異。例如：
import matplotlib.pyplot as plt
a = 0.25
b = 15
xs = [x for x in range(-10, 11)]
ys = [a * x + b for x in xs]
plt.title('y = a * x + b')
plt.xlabel('x')
plt.ylabel('y')
plt.plot(xs, ys)
plt.show()
這會畫出以下的圖形：
pyplot 預設會自行決定寬高比例，因此可以看到，x 與 y 軸的間距單位並不相同，自行拉動視窗改變大小，圖形的寬高比例也會自行調整。
如果想指定寬高比例，可以使用 gca 方法取得目前軸（get current axes）的代表物件，然後呼叫它的 set_aspect 設定寬高比，例如，設為 1：
import matplotlib.pyplot as plt
a = 0.25
b = 15
xs = [x for x in range(-10, 11)]
ys = [a * x + b for x in xs]
plt.title('y = a * x + b')
plt.xlabel('x')
plt.ylabel('y')
plt.gca().set_aspect(1) # 設定寬高比
plt.plot(xs, ys)
plt.show()
這麼一來，寬高比例就是固定的，拉動視窗改變大小，圖形的寬高比例也不會改變：
雖然上頭使用了 for comprehension，不過依然是程式設計者的角度在實現需求，該是轉換思維，使用 NumPy 的時候了：
import numpy as np
import matplotlib.pyplot as plt
a = 0.25
b = 15
x = np.arange(-10, 11) # 建立 NumPy 陣列
y = a * x + b # 直接進行 a * x + b
plt.title('y = a * x + b')
plt.xlabel('x')
plt.ylabel('y')
plt.gca().set_aspect(1)
plt.plot(x, y) # 指定兩個軸的陣列
plt.show()
arange 可以用來指定範圍建立陣列，就跟 Python 內建的 range 一樣，arange 建立的範圍不包含第二個引數指定的數字，接著就直接進行 a * x + b，NumPy 的陣列與 list 的特性相近，直接指定給 plot 就可以繪圖了，執行結果與上圖相同。
因此，日後要畫函式圖，就不要再以迴圈的概念來思考了，而是用建立一組資料，運算一組資料的方式來思考，例如，想畫個 sin 波嗎？NumPy 有個 sin，可以接受徑度陣列：
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 2 * np.pi, np.pi / 180) # 0 到 2 * PI，步進值 PI / 180
y = np.sin(x)
plt.title('y = sin(x)')
plt.xlabel('x')
plt.ylabel('y')
plt.gca().set_aspect(1)
plt.plot(x, y)
plt.show()
arange 的第三個參數是步進值，預設是 1，上頭指定為 PI / 180，畫出來的圖形是：
