3.3

3.1.md

@@ -6,7 +6,7 @@
 
 > 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
 
-`matplotlib.pyplot`是一个命令风格函数的集合，使`matplotlib`的机制更像 MATLAB。 每个绘图函数对图像进行一些更改：例如，创建图像，在图像中创建绘图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。在`matplotlib.pyplot`中，各种状态跨函数调用保存，以便跟踪诸如当前图像和绘图区域之类的东西，并且绘图函数始终指向当前轴（请注意，这里和文档中的大多数位置中的『轴』是指图像的一部分，而不是多于一个轴的严格数学术语）。
+`matplotlib.pyplot`是一个命令风格函数的集合，使`matplotlib`的机制更像 MATLAB。 每个绘图函数对图像进行一些更改：例如，创建图像，在图像中创建绘图区域，在绘图区域绘制一些线条，使用标签装饰绘图等。在`matplotlib.pyplot`中，各种状态跨函数调用保存，以便跟踪诸如当前图像和绘图区域之类的东西，并且绘图函数始终指向当前轴域（请注意，这里和文档中的大多数位置中的『轴域』（axes）是指图像的一部分（两条坐标轴围成的区域），而不是指代多于一个轴的严格数学术语）。
 
 ```py
 import matplotlib.pyplot as plt
@@ -36,7 +36,7 @@ plt.show()
 
 ![](http://matplotlib.org/_images/pyplot_formatstr.png)
 
-有关线型和格式字符串的完整列表，请参见[`plot()`文档](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot)。 上例中的`axis()`命令接收`[xmin，xmax，ymin，ymax]`的列表，并指定轴的可视区域。
+有关线型和格式字符串的完整列表，请参见[`plot()`文档](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.plot)。 上例中的`axis()`命令接收`[xmin，xmax，ymin，ymax]`的列表，并指定轴域的可视区域。
 
 如果`matplotlib`仅限于使用列表，它对于数字处理是相当无用的。 一般来说，你可以使用`numpy`数组。 事实上，所有序列都在内部转换为`numpy`数组。 下面的示例展示了使用数组和不同格式字符串，在一条命令中绘制多个线条。
 
@@ -131,9 +131,9 @@ In [70]: plt.setp(lines)
   ...snip
 ```
 
-## 处理多个图像和轴
+## 处理多个图像和轴域
 
-MATLAB 和 pyplot 具有当前图像和当前轴的概念。 所有绘图命令适用于当前轴。 函数`gca()`返回当前轴（一个`matplotlib.axes.Axes`实例），`gcf()`返回当前图像（`matplotlib.figure.Figure`实例）。 通常，你不必担心这一点，因为它都是在幕后处理。 下面是一个创建两个子图的脚本。
+MATLAB 和 pyplot 具有当前图像和当前轴域的概念。 所有绘图命令适用于当前轴域。 函数`gca()`返回当前轴域（一个`matplotlib.axes.Axes`实例），`gcf()`返回当前图像（`matplotlib.figure.Figure`实例）。 通常，你不必担心这一点，因为它都是在幕后处理。 下面是一个创建两个子图的脚本。
 
 ```py
 import numpy as np
@@ -156,7 +156,7 @@ plt.show()
 
 ![](http://matplotlib.org/_images/pyplot_two_subplots.png)
 
-这里的`figure()`命令是可选的，因为默认情况下将创建`figure(1)`，如果不手动指定任何轴，则默认创建`subplot(111)`。`subplot()`命令指定`numrows`，`numcols`，`fignum`，其中`fignum`的范围是从`1`到`numrows * numcols`。 如果`numrows * numcols <10`，则`subplot`命令中的逗号是可选的。 因此，子图`subplot(211)`与`subplot(2, 1, 1)`相同。 你可以创建任意数量的子图和轴。 如果要手动放置轴，即不在矩形网格上，请使用`axes()`命令，该命令允许你将`axes([left, bottom, width, height])`指定为位置，其中所有值都使用小数（0 到 1）坐标。 手动放置轴的示例请参见[`pylab_examples`示例代码：`axes_demo.py`](http://matplotlib.org/examples/pylab_examples/axes_demo.html#pylab-examples-axes-demo)，具有大量子图的示例请参见[`pylab_examples`示例代码：`subplots_demo.py`](http://matplotlib.org/examples/pylab_examples/subplots_demo.html#pylab-examples-subplots-demo)。
+这里的`figure()`命令是可选的，因为默认情况下将创建`figure(1)`，如果不手动指定任何轴域，则默认创建`subplot(111)`。`subplot()`命令指定`numrows`，`numcols`，`fignum`，其中`fignum`的范围是从`1`到`numrows * numcols`。 如果`numrows * numcols <10`，则`subplot`命令中的逗号是可选的。 因此，子图`subplot(211)`与`subplot(2, 1, 1)`相同。 你可以创建任意数量的子图和轴域。 如果要手动放置轴域，即不在矩形网格上，请使用`axes()`命令，该命令允许你将`axes([left, bottom, width, height])`指定为位置，其中所有值都使用小数（0 到 1）坐标。 手动放置轴域的示例请参见[`pylab_examples`示例代码：`axes_demo.py`](http://matplotlib.org/examples/pylab_examples/axes_demo.html#pylab-examples-axes-demo)，具有大量子图的示例请参见[`pylab_examples`示例代码：`subplots_demo.py`](http://matplotlib.org/examples/pylab_examples/subplots_demo.html#pylab-examples-subplots-demo)。
 
 你可以通过使用递增图像编号多次调用`figure()`来创建多个图像。 当然，每个数字可以包含所需的轴和子图数量：
 
@@ -177,7 +177,7 @@ plt.subplot(211)             # 将第一个图像的 subplot(211) 设为当前
 plt.title('Easy as 1, 2, 3') # 子图 211 的标题
 ```
 
-你可以使用`clf()`清除当前图像，使用`cla()`清除当前轴。 如果你搞不清在幕后维护的状态（特别是当前的图像和轴），不要绝望：这只是一个面向对象的 API 的简单的状态包装器，你可以使用面向对象 API（见[艺术家教程](http://matplotlib.org/users/artists.html#artist-tutorial)）。
+你可以使用`clf()`清除当前图像，使用`cla()`清除当前轴域。 如果你搞不清在幕后维护的状态（特别是当前的图像和轴域），不要绝望：这只是一个面向对象的 API 的简单的状态包装器，你可以使用面向对象 API（见[艺术家教程](http://matplotlib.org/users/artists.html#artist-tutorial)）。
 
 如果你正在制作大量的图像，你需要注意一件事：在一个图像用`close()`显式关闭之前，该图所需的内存不会完全释放。 删除对图像的所有引用，和/或使用窗口管理器杀死屏幕上出现的图像的窗口是不够的，因为在调用`close()`之前，`pyplot`会维护内部引用。
 
@@ -228,12 +228,12 @@ plt.title(r'$\sigma_i=15$')
 
 ## 标注文本
 
-上面的`text()`基本命令将文本放置在轴的任意位置。 文本的一个常见用法是对图的某些特征执行标注，而`annotate()`方法提供一些辅助功能，使标注变得容易。 在标注中，有两个要考虑的点：由参数`xy`表示的标注位置和`xytext`表示的文本位置。 这两个参数都是`(x, y)`元组。
+上面的`text()`基本命令将文本放置在轴域的任意位置。 文本的一个常见用法是对图的某些特征执行标注，而`annotate()`方法提供一些辅助功能，使标注变得容易。 在标注中，有两个要考虑的点：由参数`xy`表示的标注位置和`xytext`表示的文本位置。 这两个参数都是`(x, y)`元组。
 
 ![](http://matplotlib.org/_images/pyplot_annotate.png)
 
 
-在此基本示例中，`xy`（箭头提示）和`xytext`（文本）都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅[标注文本](http://matplotlib.org/users/annotations_intro.html#annotations-tutorial)和[标注轴](http://matplotlib.org/users/annotations_guide.html#plotting-guide-annotation)。 更多示例可以在[`pylab_examples`示例代码：`annotation_demo.py`](http://matplotlib.org/examples/pylab_examples/annotation_demo.html#pylab-examples-annotation-demo)中找到。
+在此基本示例中，`xy`（箭头提示）和`xytext`（文本）都位于数据坐标中。 有多种其他坐标系可供选择 - 详细信息请参阅[标注文本](http://matplotlib.org/users/annotations_intro.html#annotations-tutorial)和[标注轴域](http://matplotlib.org/users/annotations_guide.html#plotting-guide-annotation)。 更多示例可以在[`pylab_examples`示例代码：`annotation_demo.py`](http://matplotlib.org/examples/pylab_examples/annotation_demo.html#pylab-examples-annotation-demo)中找到。
 
 ## 对数和其它非线性轴
 
@@ -255,7 +255,7 @@ y = y[(y > 0) & (y < 1)]
 y.sort()
 x = np.arange(len(y))
 
-# 带有多个轴刻度的 plot
+# 带有多个轴域刻度的 plot
 plt.figure(1)
 
 # 线性

3.3.md

+# 3.3 交互式导航
+
+> 原文：[Interactive navigation](http://matplotlib.org/users/navigation_toolbar.html)
+
+> 译者：[飞龙](https://github.com/)
+
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+
+![](http://matplotlib.org/_images/toolbar.png)
+
+所有图像窗口都带有导航工具栏，可用于浏览数据集。 以下是工具栏底部的每个按钮的说明：
+
+![](http://matplotlib.org/_images/back.png)
+
+`Home`（首页）、`Forward`（前进）和`Back`（后退）按钮：
+
+这些类似于 Web 浏览器的前进和后退按钮。 它们用于在之前定义的视图之间来回浏览。 它们没有意义，除非你已经使用平移和缩放按钮访问了其他地方。 这类似于尝试在访问新页面之前单击 Web 浏览器上的返回 - 什么都不会发生。 首页总是你第一个浏览的页面，以及你的数据的默认视图。 对于`Home`，`Forward`和`Back`，应该将其看做 Web浏览器，其中的数据视图是网页。 使用`Pan`和`Zoom`来定义新视图。
+
+![](http://matplotlib.org/_images/move.png)
+
+`Pan/Zoom`（平移/缩放）按钮
+
+此按钮有两种模式：平移和缩放。 单击工具栏按钮激活平移和缩放，然后将鼠标放在轴域的某个地方。 按住鼠标左键并将其拖动到新位置来平移图形。 当你释放它时，你按下的点处的数据将移动到你释放的点。 如果在平移时按`'x'`或`'y'`，移动会分别限制在`x`或`y`轴。 按鼠标右键并将其拖动到新位置来进行缩放。 向右移动使`x`轴成比例放大，或者向左移动成比例缩小。 `y`轴和上/下移动同上。 开始缩放时鼠标下的点会保持静止，你可以缩放图像中的其它任意点。 你可以使用快捷键`'x'`，`'y'`或`CONTROL`分别将缩放约束为`x`轴，`y`轴或保留宽高比。
+
+使用极坐标绘图时，平移和缩放功能的行为不同。 可以使用鼠标左键拖动半径轴标签。 可以使用鼠标右键放大和缩小半径刻度。
+
+![](http://matplotlib.org/_images/zoom_to_rect.png)
+
+`Zoom-to-rectangle`（缩放到矩形）按钮
+
+单击此工具栏按钮以激活此模式。 将鼠标放在轴域的某处，然后按鼠标左键。 在按住按钮的同时拖动鼠标到新位置并释放。 轴域会放大并限制于你定义的矩形。 在此模式中还有一个实验性的`zoom out to rectangle`（缩小到矩形），使用右键，将整个轴域缩小并放置在矩形定义的区域中。
+
+![](http://matplotlib.org/_images/subplots.png)
+
+`Subplot-configuration`（子图配置）按钮
+
+使用此工具配置子图的参数：左边距，右边距，上边距，下边距，行间隔和列间隔。
+
+![](http://matplotlib.org/_images/filesave.png)
+
+`Save`（保存）按钮
+
+单击此按钮可启动文件保存对话框。 你可以使用以下扩展名保存文件：`png`，`ps`，`eps`，`svg`和`pdf`。
+
+## 浏览快捷键
+
+下表包含所有默认的快捷键，可以使用`matplotlibrc`（`#keymap.*`）覆盖。
+
+| 命令 | 快捷键 |
+| --- | --- |
+| 主页/重置 | `h`、`r`或`home` |
+| 后退 | `c`、左箭头或`backspace` |
+| 前进 | `v`或右箭头 |
+| 平移/缩放 | `p` |
+| 缩放到矩形 | `o` |
+| 保存 | `ctrl + s` |
+| 切换全屏 | `ctrl + f` |
+| 关闭绘图 | `ctrl + w` |
+| 将平移/缩放限制于`x`轴 | 使用鼠标平移/缩放时按住`x` |
+| 将平移/缩放限制于`y`轴 | 使用鼠标平移/缩放时按住`y` |
+| 保留宽高比 | 使用鼠标平移/缩放时按住`CONTROL` |
+| 切换网格 | 鼠标在轴域上时按下`g` |
+| 切换`x`轴刻度（对数/线性） | 鼠标在轴域上时按下`L`或`k` |
+| 切换`y`轴刻度（对数/线性） | 鼠标在轴域上时按下`l` |
+
+如果你使用`matplotlib.pyplot`，则会为每个图形自动创建工具栏。 如果你正在编写自己的用户界面代码，则可以将工具栏添加为窗口小部件。 确切的语法取决于你的 UI，但在`matplotlib/examples/user_interfaces目录中有每个受支持的 UI 的示例。 这里是一些 GTK 的示例代码：
+
+```py
+import gtk
+
+from matplotlib.figure import Figure
+from matplotlib.backends.backend_gtkagg import FigureCanvasGTKAgg as FigureCanvas
+from matplotlib.backends.backend_gtkagg import NavigationToolbar2GTKAgg as NavigationToolbar
+
+win = gtk.Window()
+win.connect("destroy", lambda x: gtk.main_quit())
+win.set_default_size(400,300)
+win.set_title("Embedding in GTK")
+
+vbox = gtk.VBox()
+win.add(vbox)
+
+fig = Figure(figsize=(5,4), dpi=100)
+ax = fig.add_subplot(111)
+ax.plot([1,2,3])
+
+canvas = FigureCanvas(fig)  # a gtk.DrawingArea
+vbox.pack_start(canvas)
+toolbar = NavigationToolbar(canvas, win)
+vbox.pack_start(toolbar, False, False)
+
+win.show_all()
+gtk.main()
+```