matplot2tikz 教程:从 matplotlib 到 LaTeX 的平滑过渡
1. 项目介绍
matplot2tikz 是一个 Python 工具,用于将 matplotlib 生成的图形转换为 TikZ/PGFplots 格式,以便无缝集成到 LaTeX 或 ConTeXt 文档中。TikZ/PGFplots 是基于 TeX 的库,可以描述图形的坐标轴、数据等,因此 matplot2tikz 的输出比原始 TikZ 输出更易于理解、编辑和保留更多信息。
2. 项目快速启动
安装
首先,需要安装 Python 和 matplotlib。然后,可以使用 pip 安装 matplot2tikz:
pip install matplot2tikz
创建 matplotlib 图形
使用 matplotlib 创建图形,例如:
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0.0, 2.0, 0.1)
s = np.sin(2 * np.pi * t)
s2 = np.cos(2 * np.pi * t)
plt.plot(t, s, 'o-', lw=4.1)
plt.plot(t, s2, 'o-', lw=4.1)
plt.xlabel('时间 (s)')
plt.ylabel('电压 (mV)')
plt.title('简单图形')
plt.grid(True)
转换为 TikZ 格式
在 matplotlib 图形上使用 matplot2tikz 的 save 函数将其转换为 TikZ 格式:
import matplot2tikz
matplot2tikz.save('mytikz.tex')
这将生成一个名为 mytikz.tex 的 TikZ 文件。
集成到 LaTeX
将生成的 TikZ 文件内容插入 LaTeX 文档中。确保在文档头部包含 PGFPlots 和适当的 Unicode 支持:
\usepackage[utf8]{inputenc}
\usepackage{pgfplots}
\DeclareUnicodeCharacter{2212}{-}
\usepgfplotslibrary{groupplots,dateplot}
\usetikzlibrary{patterns,shapes.arrows}
\pgfplotsset{compat=newest}
然后,使用 \input 命令将 TikZ 文件内容插入到文档中:
\input{mytikz.tex}
3. 应用案例和最佳实践
清理图形
在导出之前,可以使用 matplot2tikz 的 clean_figure 命令清理图形,例如删除超出坐标轴限制的点、简化曲线和降低点密度:
matplot2tikz.clean_figure()
matplot2tikz.save('mytikz.tex')
使用不同类型的文档
matplot2tikz 可以生成适用于 LaTeX 和 ConTeXt 的输出。可以使用 flavor 参数指定输出类型:
matplot2tikz.save('mytikz.tex', flavor='context')
获取预处理器
可以使用 Flavors 类获取不同类型的文档的预处理器:
import matplot2tikz
matplot2tikz.Flavors.latex.preamble()
matplot2tikz.Flavors.context.preamble()
4. 典型生态项目
matplot2tikz 是一个基于 matplotlib 的项目,因此它适用于任何可以使用 matplotlib 生成图形的场景。例如,可以使用 matplot2tikz 将科学计算、数据分析、机器学习等领域的图形转换为 TikZ 格式,以便在 LaTeX 或 ConTeXt 文档中进行展示和发布。
希望这份教程能够帮助您更好地理解和使用 matplot2tikz。如果您有任何问题或建议,请随时在 GitHub 上提出 issue 或 pull request。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00