在开始之前，我要对latex做一点补充。
上一篇文章中提到了latex绘制流程图，文中给出了一个实例，在具体的应用上也很简单。下面两个网页可能会比较有用，特别是在流程图的绘制上(各类shapes汇总)：
流程图判断——菱形，其变扁的方法：
下面开始今天要说到的主题。matlab固然很牛叉，但是在理解和实现上还是相对复杂的，python利用现有的库，基本可以实现matlab所有的功能，甚至超越之。与前面的文章相对应，python绘图应该主要着眼的是一些比较严谨的数学公式的绘制问题，相对于latex，其图形更加有数学之美。
今天晚上，我又整了一下python的绘图，感觉还是比较方便的，50行不到的代码即可实现比较完美的图形，特别推荐。下面对应的依次是图形和代码：
对应的代码很简单：
#!/usr/bin/python
#coding = utf8
import sys
import string
import numpy as np
import matplotlib.pyplot as plt
def f_fun(d, k, i):
a = (2.0*d)/((2.0*k-i-1.0)*i+2.0*k*(d-k+1.0))
return a
def g_fun(d, k, i):
a = (2.0*d-2.0*k+i+1.0)*i*1.0/(2.0*d)
return a
def main():
form = ['ro-', 'b--<', 'g-*', 'y--s', 'c->']
k = 5
d = [9, 8, 7, 6, 5]
x = y = [1.0/k]
for t in range(5):
r = [f_fun(d[t], k, i) for i in range(k-1, -1, -1)]
a = [((1.0-g_fun(d[t], k, i)*r[k-i-1])*1.0/(k-i)) for i in range(k-1, 0, -1)]
a.append(1.0/k)
x.append(r[0])
y.append(a[0])
plt.plot(r, a, form[t], linewidth = 2.0, label = "$d="+str(d[t])+",n=10,k=5$")
plt.plot(x, y, linewidth = 1.2, color = 'black')
plt.plot([1.0], [1.0/k], 'rs')
plt.annotate("MDS point", xy=(1.0, 1.0/k), xycoords = 'data', xytext=(0.8, 0.25), arrowprops=dict(arrowstyle="->", linewidth = 1.2))
#plt.plot([1.0], [1.0/k], 'rs')
plt.legend(loc='upper right')
plt.title("Storage-Communication tradeoff n=10,k=5,d=5~9,B=1MB")
plt.ylabel("Storage per node $\alpha$")
plt.xlabel("Bandwidth to repair one node $\gamma$")
plt.grid(True)
plt.show()
if __name__ == '__main__':
main()
如果觉得《python绘制简单图形-python绘制数学图形(堪比matlab)》对你有帮助，请点赞、收藏，并留下你的观点哦！
