资源描述：
《怎么在论文中画出漂亮的插图？》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、普通的毕业流程图，用Microsoft Office Visio，我的毕业设计论文用的Microsoft Office Visio 2003，还不错~~图片的范例如下VISIO2003中文版下载网址：http://pan.baidu.com/s/1eQHAccaVISIO2003基础教程：http://pan.baidu.com/s/1ntAAjOl复杂的我用visio画的强烈推荐 Python 的绘图模块 matplotlib: python plotting 。画出来的图真的是高端大气上档次，低调奢华有内涵~ 适用于从 2D 到 3D，从标量到矢量的各种绘图。
2、能够保存成从 eps, pdf 到 svg, png, jpg 的多种格式。并且 Matplotlib 的绘图函数基本上都与 Matlab 的绘图函数名字都差不多，迁移的学习成本比较低。开源免费。如图所示（题目描述中的图在最后）：（以下图片均引用自 Thumbnail gallery ）像这种普通的函数图象：以及这种Scatter图（中文不知道该怎么说…）：plt.fill(x,y1,'b',x,y2,'r',alpha=0.3)精致的曲线，半透明的配色。都显出你那高贵冷艳的X格，最重要的是只需一行代码就能搞定。从此以后再也不用忍受Matlab以及GNUPlot中
3、那蛋疼的配色了。想画3D数据？没有问题(不过用mayavi可能更方便一些)：ax.plot_surface(X,Y,Z,rstride=8,cstride=8,alpha=0.3)cset=ax.contourf(X,Y,Z,zdir='z',offset=-100,cmap=cm.coolwarm)cset=ax.contourf(X,Y,Z,zdir='x',offset=-40,cmap=cm.coolwarm)cset=ax.contourf(X,Y,Z,zdir='y',offset=40,cmap=cm.coolwarm)四行代码你就能拥有（后三行是画
4、坐标平面上的等高线，严格的额说还是一行）。除此以外，不过你是矢量场，网络还是什么奇葩的需求都能够搞定：plt.streamplot(X,Y,U,V,color=U,linewidth=2,cmap=plt.cm.autumn)plt.colorbar()plt.triplot(x,y,triangles,'go-')plt.title('triplotofuser-specifiedtriangulation')plt.xlabel('Longitude(degrees)')plt.ylabel('Latitude(degrees)')ax=plt.subplot
5、(111,polar=True)bars=ax.bar(theta,radii,width=width,bottom=0.0)这还没完，Matplotlib还支持Latex公式的插入，当别人画的图还是这个样子的时候（以下图片引用自MatplotlibTutorial(译)）你能够把它变成这个样子：如果再搭配上IPython作为运行终端（这张图是自己的~）：简直就是神器啊，有木有！心动不如行动，还等什么？（奉上教程一篇 MatplotlibTutorial(译)）再补充一句，matplotlib还可以话xkcd风格的图呦~（图片引用自网络）此外结合IPythonNo
6、tebook后更多精彩内容，如果嫌安装麻烦并且恰好在Windows系统下的话可以尝试Python的一个发行版winpython-PortableScientificPython2/332/64bitDistributionforWindows。有同学质疑matplotlib是否能画出题目中所示的图像，我在这里将题目中的图像用matplotlib画出来如下：有客户说配色和好看，唉....那我也贴几个吧...只不过当初限于篇幅没有写而已。废话不多说，上图就是王道。（以下图片来源网络）有人可能会说需要复杂的设置，其实也不用。比如上边这幅图，只需要多加一个参数就好：cma
7、p=brewer2mpl.get_map('RdBu','diverging',8,reverse=True).mpl_colormap,楼下说到统计绘图。嘛seaborn(https://github.com/mwaskom/seaborn)是一个调用matplotlib的统计绘图库，上图：代码一行，后边的几乎都是一行，没做其他设置，默认就这样。我就不贴其他的代码了：g=sns.jointplot(x1,x2,kind="kde",size=7,space=0)这还有个更炫酷的可交互式的绘图，大家自己戳开看吧nbviewer.ipython.org/github
8、/plot
