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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00