matlbpotlib trick
1. Figure
1.1. 分辨率
默认情况下，matplotlib将。默认情况下，matplotlib将提供640 x 480像素的图片文件，即4：3的横纵比。下面是改变了dpi和尺寸后具体的像素大小变化：
plt.figure(1)
# <Figure size 640x480 with 0 Axes>
plt.figure(1, dpi=300)
# <Figure size 1920x1440 with 0 Axes>
plt.figure(3, dpi=300, figsize=(3,4))
# <Figure size 900x1200 with 0 Axes>
2. color
2.1. colormap 色表
最全的色表：Colormap reference
对于具有正负值，特别是需要归零的图表，最好的选择就是发散色表，其中比较特别的是coolwarm的零值是灰色，非常好用。
另外，在颜色图的名称后加_r可以获得反转版本。
2.2. colorbar 色条
fig.colorbar(mappable, ax=ax, location='right', anchor=(0, 0.3), shrink=0.7)
常用的大概就是这些，location很好理解，shrink就是缩放的量，剩下比较抽象的是anchor：
anchor(float, float), optional The anchor point of the colorbar axes. Defaults to (0.0, 0.5) if vertical; (0.5, 1.0) if horizontal.
看了还是看不懂，不过实际体验是，当colorbar在右边的时候，x越大越靠右，y越大越靠上，主要还是试一试吧。
- 芝士Colorbar的例子：Colorbar - matplotlib Examples
- 芝士Colorbar的api：matplotlib.figure
2.3. Colormap Normalization 色表映射正规化
matplotlib真是太神奇辣！这是我觉得最好用的功能，没有之一（想到我之前还手动写 norm = plt.Normalize(norm_lim, -norm_lim) 这种代码就流泪）。
按照我的理解，凡是可以放
cmap参数的地方，都可以放上一个norm
2.3.1. Centered 居中
最常用的应该是这个，特别是在正负值都有，而零值需要居中的情况下
pc = ax2.pcolormesh(Z, norm=colors.CenteredNorm(), cmap=cmap)
2.3.2. Symmetric logarithmic 居中的对数
这个简直是神中神！它既居中，又可以对数，最关键的是，由于0对数密度无穷大，这个正规化提供了零值附近的线性部分（Since the logarithm of values close to zero tends toward infinity, a small range around zero needs to be mapped linearly）。搞了很久终于弄懂了，现在进行一个记录
pcm = ax[0].pcolormesh(X, Y, Z,
norm=colors.SymLogNorm(linthresh=0.03, linscale=0.03,
vmin=-1.0, vmax=1.0, base=10),
cmap='RdBu_r', shading='auto')
比较好理解的几个参数有：base是对数底数；vmin/vmax是轴的上下限；linthresh是线性映射的范围，绝对值超过linthresh的部分是对数映射的。
linscale这个东西就比较神秘：
The size of this range in the colormap is set by linscale. When linscale == 1.0 (the default), the space used for the positive and negative halves of the linear range will be equal to one decade in the logarithmic range.
one decade这个东西就很神秘对吧，导致这段话完全看不懂，但实际上指的是刻度的间距：
# 从左到右对应下面的三个正规化bar
norm1 = colors.SymLogNorm(
linthresh=10**10, base=10, vmin=-10**12, vmax=10**12, linscale=1
)
norm2 = colors.SymLogNorm(
linthresh=10**11, base=10, vmin=-10**12, vmax=10**12, linscale=1
)
norm3 = colors.SymLogNorm(
linthresh=10**11, base=10, vmin=-10**12, vmax=10**12, linscale=2
)
norm1和norm2有参数linscale=1，可以看到刻度都是均匀的；而norm3有参数linscale=2，0到$\plusmn 10^{11}$的间距就是对数轴那边的两倍。
那明白了这些之后，就可以通过调节linthresh和linscale对可视化的焦点进行调整：linthresh越大，越多的数据落在线性区，进而使零值附近的值变得“模糊”；linscale越大，留给对数区的范围越小，使得极值附近的值变得更加“鲜艳”。这样就可以调节图的焦点了。
3. 2D
3.1. 如何在 matplotlib 中绘制二维结构化网格
How to plot a 2d structured mesh in matplotlib
不仅仅是mesh，多段复杂连线都可以使用lineCollection完成，lineCollection使用的数组形式为(线，点，坐标)，其中同一线下的点按顺序连接，不同线下的点不互联，因为坐标是二维的，数组尺寸必然为(l,n,2)。
下面的代码并非OOC代码，实际上Axes对象下也有add_collection方法，方法会返回一个对象，对该对象调用remove可以将其从图上移除。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
x, y = np.meshgrid(np.linspace(0,1, 11), np.linspace(0, 0.6, 7))
segs1 = np.stack((x[:,[0,-1]],y[:,[0,-1]]), axis=2)
segs2 = np.stack((x[[0,-1],:].T,y[[0,-1],:].T), axis=2)
plt.gca().add_collection(LineCollection(np.concatenate((segs1, segs2))))
plt.autoscale()
plt.show()
3.2. 给网格（线段）按值上色
使用set_array方法：
lc = LineCollection(segments, cmap='viridis', norm=norm)
lc.set_array(dydx)
3.3. 给网格（线段）上渐变色
对不起，做不到。
如果使用lineCollection就不可避免地是每根线一个颜色，这没有什么办法，只能通过细分线进行假渐变。要么就是散点移动产生渐变，还有一个用pcolormesh的奇技淫巧，剩下的没有仔细看，目前没有找到好的解决方案。
3.4. 画圆
参考plot a circle with pyplot - stackoverflow可以得到基本的画圆的方法如下：
circle = plt.Circle((1, 1), 0.2, color='g', clip_on=False)
ax.add_patch(circle1)
参考Why is matplotlib plotting my circles as ovals - stackoverflow可以用一些方法去解决画圆变形的困难，例如ax.axis("equal")
3.5. 确定图层
在多种元素绘图的时候经常出现图层重叠的情况，这个时候需要使用到的关键字参数是zorder
参考Zorder specification in matplotlib patch collections - stackoverflow
例如对于Circle类：
circle = Circle(
(info["xpos"], info["ypos"]),
radius=radius,
color=color,
fill=False,
zorder=10000,
)
同样对于Circle的集合CirclePatch也有（此时Circle本身的zorder会被覆盖）：
circ.append(Circle ((1,1), 0.2))
coll=PatchCollection(circ, zorder=10)
4. 3D
4.1. 使用XYZ一维数组/散点绘制三维平面
首先说明为什么 fig.subplots(subplot_kw=dict(projection="3d")) 不能使用：一般的3d plot实际上是四边形绘图，不是网格化的X、Y不保证能进行四边形渲染。因此，解决方案是进行三角形渲染，即使用plot_trisurf
