diff --git a/3.1.md b/3.1.md
index cab51a232a1176aff873c6e8a2caac4791304507..8f43476619991920fd6c6895f201c30e7da61d69 100644
--- a/3.1.md
+++ b/3.1.md
@@ -1,4 +1,4 @@
-# 3.1 pyplot 教程
+# pyplot 教程
 
 > 原文：[Pyplot tutorial](http://matplotlib.org/users/pyplot_tutorial.html)
 
diff --git a/3.2.md b/3.2.md
index c1062fabaaeb86bbea9ba7bb0f3d9bd9b3f4fa13..f63e7a933dfac550ac9e10b52d6b92da89700c5f 100644
--- a/3.2.md
+++ b/3.2.md
@@ -1,71 +1,190 @@
-# 3.2 使用样式表自定义绘图
+# 图像教程
 
-> 原文：[Customizing plots with style sheets](http://matplotlib.org/users/style_sheets.html)
+> 原文：[Image tutorial](http://matplotlib.org/users/image_tutorial.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/)
 
-`style`包为易于切换的绘图『样式』增加了支持，它们与`matplotlibrc`文件参数相同。
+## 启动命令
 
-有一些预定义样式由`matplotlib`提供。 例如，有一个名为『ggplot』的预定义样式，它模拟`ggplot`（R 的一种流行的绘图软件包）的美学。 为了使用此样式，只需添加：
+首先，让我们启动 IPython。 它是 Python 标准提示符的最好的改进，它与 Matplotlib 配合得相当不错。 在 shell 或 IPython Notebook 上都可以启动 IPython。
+
+随着 IPython 启动，我们现在需要连接到 GUI 事件循环。 它告诉 IPython 在哪里（以及如何显示）绘图。 要连接到 GUI 循环，请在 IPython 提示符处执行`%matplotlib`魔法。 在 [IPython 的 GUI 事件循环文档](http://ipython.org/ipython-doc/2/interactive/reference.html#gui-event-loop-support)中有更多的细节。
+
+如果使用 IPython Notebook，可以使用相同的命令，但人们通常以特定参数使用`%matplotlib`：
+
+```
+In [1]: %matplotlib inline
+```
+
+这将打开内联绘图，绘图图形将显示在笔记本中。 这对交互性有很重要的影响。 对于内联绘图，在单元格下方的单元格中输出绘图的命令不会影响绘图。 例如，从创建绘图的单元格下面的单元格更改颜色表是不可能的。 但是，对于其他后端，例如 qt4，它们会打开一个单独的窗口，那些创建绘图的单元格下方的单元格将改变绘图 - 它是一个内存中的活对象。
+
+本教程将使用`matplotlib`的命令式绘图接口`pyplot`。 该接口维护全局状态，并且可用于简单快速地尝试各种绘图设置。 另一种是面向对象的接口，这也非常强大，一般更适合大型应用程序的开发。 如果你想了解面向对象接口，[使用上的常见问题](http://matplotlib.org/faq/usage_faq.html)是一个用于起步的不错的页面。 现在，让我们继续使用命令式方式：
+
+```py
+In [2]: import matplotlib.pyplot as plt
+In [3]: import matplotlib.image as mpimg
+In [4]: import numpy as np
+```
+
+## 将图像数据导入到 NumPy 数组
+
+加载图像数据由 Pillow 库提供支持。 本来，`matplotlib`只支持 PNG 图像。 如果本机读取失败，下面显示的命令会回退到 Pillow。
+
+此示例中使用的图像是 PNG 文件，但是请记住你自己的数据的 Pillow 要求。
+
+下面是我们要摆弄的图片：
+
+![](http://matplotlib.org/_images/stinkbug.png)
+
+它是一个 24 位 RGB PNG 图像（每个 R，G，B 为 8 位）。 根据你获取数据的位置，你最有可能遇到的其他类型的图像是 RGBA 图像，拥有透明度或单通道灰度（亮度）的图像。 你可以右键单击它，选择`Save image as`（另存为）为本教程的剩余部分下载到你的计算机。
+
+现在我们开始...
+
+```py
+In [5]: img=mpimg.imread('stinkbug.png')
+Out[5]:
+array([[[ 0.40784314,  0.40784314,  0.40784314],
+        [ 0.40784314,  0.40784314,  0.40784314],
+        [ 0.40784314,  0.40784314,  0.40784314],
+        ...,
+        [ 0.42745098,  0.42745098,  0.42745098],
+        [ 0.42745098,  0.42745098,  0.42745098],
+        [ 0.42745098,  0.42745098,  0.42745098]],
+
+       ...,
+       [[ 0.44313726,  0.44313726,  0.44313726],
+        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
+        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
+        ...,
+        [ 0.44705883,  0.44705883,  0.44705883],
+        [ 0.44705883,  0.44705883,  0.44705883],
+        [ 0.44313726,  0.44313726,  0.44313726]]], dtype=float32)
+```
+
+注意这里的`dtype` - `float32`。 Matplotlib 已将每个通道的8位数据重新定标为 0.0 和 1.0 之间的浮点数。 作为旁注，Pillow 可以使用的唯一数据类型是`uint8`。 Matplotlib 绘图可以处理`float32`和`uint8`，但是对于除 PNG 之外的任何格式的图像，读取/写入仅限于`uint8`数据。 为什么是 8 位呢？ 大多数显示器只能渲染每通道 8 位的颜色渐变。 为什么他们只能渲染每通道 8 位呢？ 因为这会使所有人的眼睛可以看到。 更多信息请见（从摄影的角度）：[Luminous Landscape 位深度教程](http://www.luminous-landscape.com/tutorials/bit-depth.shtml)。
+
+每个内部列表表示一个像素。 这里，对于 RGB 图像，有 3 个值。 由于它是一个黑白图像，R，G 和 B 都是类似的。 RGBA（其中 A 是阿尔法或透明度）对于每个内部列表具有 4 个值，而且简单亮度图像仅具有一个值（因此仅是二维数组，而不是三维数组）。 对于 RGB 和 RGBA 图像，`matplotlib`支持`float32`和`uint8`数据类型。 对于灰度，`matplotlib`只支持`float32`。 如果你的数组数据不符合这些描述之一，则需要重新缩放它。
+
+## 将 NumPy 数组绘制为图像
+
+所以，你将数据保存在一个`numpy`数组（通过导入它，或生成它）。 让我们渲染它吧。 在 Matplotlib 中，这是使用`imshow()`函数执行的。 这里我们将抓取`plot`对象。 这个对象提供了一个简单的方法来从提示符处理绘图。
+
+```py
+In [6]: imgplot = plt.imshow(img)
+```
+
+![](http://matplotlib.org/_images/image_tutorial-1.png)
+
+你也可以绘制任何 NumPy 数组。
+
+### 对图像绘图应用伪彩色方案
+
+伪彩色可以是一个有用的工具，用于增强对比度和更易于可视化你的数据。 这在使用投影仪对你的数据进行演示时尤其有用 - 它们的对比度通常很差。
+
+伪彩色仅与单通道，灰度，亮度图像相关。 我们目前有一个RGB图像。 由于R，G 和 B 都是相似的（见上面或你的数据），我们可以只选择一个通道的数据：
 
 ```py
->>> import matplotlib.pyplot as plt
->>> plt.style.use('ggplot')
+In [7]: lum_img = img[:,:,0]
 ```
 
-为了列出所有可用样式，使用：
+这是数组切片，更多信息请见[NumPy 教程](http://www.scipy.org/Tentative_NumPy_Tutorial)。
 
 ```py
->>> print(plt.style.available)
+In [8]: plt.imshow(lum_img)
 ```
 
-## 定义你自己的样式
+![](http://matplotlib.org/_images/image_tutorial-2.png)
 
-你可以创建自定义样式，并通过以样式表的路径或 URL 调用`style.use`来使用它们。 或者，如果将`<style-name> mplstyle`文件添加到`mpl_configdir /stylelib`中，你可以通过调用`style.use(<style-name>)`重复使用自定义样式表。 默认情况下`mpl_configdir`应该是`~/.config/matplotlib`，但你可以使用`matplotlib.get_configdir()`检查你的位置，你可能需要创建这个目录。 请注意，如果样式具有相同的名称，`mpl_configdir/stylelib`中的自定义样式表将覆盖由`matplotlib`定义的样式表。
+现在，亮度（2D，无颜色）图像应用了默认颜色表（也称为查找表，LUT）。 默认值称为`jet`。 有很多其他方案可以选择。
 
-例如，你可能想要使用以下命令创建`mpl_configdir/stylelib/presentation.mplstyle`：
+```py
+In [9]: plt.imshow(lum_img, cmap="hot")
+```
+
+![](http://matplotlib.org/_images/image_tutorial-3.png)
+
+
+请注意，你还可以使用`set_cmap()`方法更改现有绘图对象上的颜色：
+
+```py
+In [10]: imgplot = plt.imshow(lum_img)
+In [11]: imgplot.set_cmap('spectral')
+```
 
+![](http://matplotlib.org/_images/image_tutorial-4.png)
+
+> 注
+
+> 但是，请记住，在带有内联后端的 IPython notebook 中，你不能对已经渲染的绘图进行更改。 如果你在一个单元格中创建了`imgplot`，你不能在以后的单元格中调用`set_cmap()`，并且改变前面的绘图。 请确保你在相同单元格中一起输入这些命令。`plt`命令不会更改先前单元格的绘图。
+
+有许多可选的其它颜色表，请见[颜色表的列表和图像](http://matplotlib.org/examples/color/colormaps_reference.html)。
+
+### 颜色刻度参考
+
+了解颜色代表什么值对我们很有帮助。 我们可以通过添加颜色条来做到这一点。
+
+```py
+In [12]: imgplot = plt.imshow(lum_img)
+In [13]: plt.colorbar()
 ```
-axes.titlesize : 24
-axes.labelsize : 20
-lines.linewidth : 3
-lines.markersize : 10
-xtick.labelsize : 16
-ytick.labelsize : 16
+
+![](http://matplotlib.org/_images/image_tutorial-5.png)
+
+这会为你现有的图形添加一个颜色条。 如果你更改并切换到不同的颜色映射，则不会自动更改 - 你必须重新创建绘图，并再次添加颜色条。
+
+### 检查特定数据范围
+
+有时，你想要增强图像的对比度，或者扩大特定区域的对比度，同时牺牲变化不大，或者无所谓的颜色细节。 找到有趣区域的最好工具是直方图。 要创建我们的图像数据的直方图，我们使用`hist()`函数。
+
+```py
+In [14]: plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')
 ```
 
-然后，当你想要将一个为纸张设计的地图迁移到演示文档中时，你可以添加：
+![](http://matplotlib.org/_images/image_tutorial-6.png)
+
+通常，图像的『有趣』部分在峰值附近，你可以通过剪切峰值上方和/或下方的区域获得额外的对比度。 在我们的直方图中，看起来最大值处没有太多有用的信息（图像中有很多不是白色的东西）。 让我们调整上限，以便我们有效地『放大』直方图的一部分。 我们通过将`clim`参数传递给`imshow`来实现。 你也可以通过对图像绘图对象调用`set_clim()`方法来做到这一点，但要确保你在使用 IPython Notebook 的时候，和`plot`命令在相同的单元格中执行 - 它不会改变之前单元格的图。
 
 ```py
->>> import matplotlib.pyplot as plt
->>> plt.style.use('presentation')
+In [15]: imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))
 ```
 
-## 组合样式
+![](http://matplotlib.org/_images/image_tutorial-7.png)
+
+### 数组插值方案
+
+插值根据不同的数学方案计算像素『应有』的颜色或值。 发生这种情况的一个常见的场景是调整图像的大小。 像素的数量会发生变化，但你想要相同的信息。 由于像素是离散的，因此存在缺失的空间。 插值就是填补这个空间的方式。 这就是当你放大图像时，你的图像有时会出来看起来像素化的原因。 当原始图像和扩展图像之间的差异较大时，效果更加明显。 让我们加载我们的图像并缩小它。 我们实际上正在丢弃像素，只保留少数几个像素。 现在，当我们绘制它时，数据被放大为你屏幕的大小。 由于旧的像素不再存在，计算机必须绘制像素来填充那个空间。
 
-样式表为组合在一起而设计。 因此，你可以拥有一个自定义颜色的样式表和一个单独的样式表，用于更改演示文档的元素大小。 这些样式可以通过传递样式列表轻松组合：
+我们将使用用来加载图像的 Pillow 库来调整图像大小。
 
 ```py
->>> import matplotlib.pyplot as plt
->>> plt.style.use(['dark_background', 'presentation'])
+In [16]: from PIL import Image
+In [17]: img = Image.open('../_static/stinkbug.png')
+In [18]: img.thumbnail((64, 64), Image.ANTIALIAS) # resizes image in-place
+In [19]: imgplot = plt.imshow(img)
 ```
 
-请注意，右侧的样式将覆盖已经由左侧样式定义的值。
+![](http://matplotlib.org/_images/image_tutorial-8.png)
 
-## 临时样式
+这里我们使用默认插值，双线性，因为我们没有向`imshow()`提供任何插值参数。
 
-如果只想对特定的代码块使用样式，但不想更改全局样式，那么样式包提供了一个上下文管理器，用于将更改限制于特定范围。 要隔离你的样式更改，你可以编写以下内容：
+让我们试试一些其它的东西：
+
+最邻近
+
+```py
+In [20]: imgplot = plt.imshow(img, interpolation="nearest")
+```
+
+![](http://matplotlib.org/_images/image_tutorial-9.png)
+
+双立方
 
 ```py
->>> import numpy as np
->>> import matplotlib.pyplot as plt
->>>
->>> with plt.style.context(('dark_background')):
->>>     plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o')
->>>
->>> # Some plotting code with the default style
->>>
->>> plt.show()
+In [21]: imgplot = plt.imshow(img, interpolation="bicubic")
 ```
+
+![](http://matplotlib.org/_images/image_tutorial-10.png)
+
+双立方插值通常用于放大照片 - 人们倾向于模糊而不是过度像素化。
diff --git a/3.5.md b/3.5.md
deleted file mode 100644
index 05726227f36817c9f1e773ad9a66b476e825110b..0000000000000000000000000000000000000000
--- a/3.5.md
+++ /dev/null
@@ -1,190 +0,0 @@
-# 3.5 图像教程
-
-> 原文：[Image tutorial](http://matplotlib.org/users/image_tutorial.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/)
-
-## 启动命令
-
-首先，让我们启动 IPython。 它是 Python 标准提示符的最好的改进，它与 Matplotlib 配合得相当不错。 在 shell 或 IPython Notebook 上都可以启动 IPython。
-
-随着 IPython 启动，我们现在需要连接到 GUI 事件循环。 它告诉 IPython 在哪里（以及如何显示）绘图。 要连接到 GUI 循环，请在 IPython 提示符处执行`%matplotlib`魔法。 在 [IPython 的 GUI 事件循环文档](http://ipython.org/ipython-doc/2/interactive/reference.html#gui-event-loop-support)中有更多的细节。
-
-如果使用 IPython Notebook，可以使用相同的命令，但人们通常以特定参数使用`%matplotlib`：
-
-```
-In [1]: %matplotlib inline
-```
-
-这将打开内联绘图，绘图图形将显示在笔记本中。 这对交互性有很重要的影响。 对于内联绘图，在单元格下方的单元格中输出绘图的命令不会影响绘图。 例如，从创建绘图的单元格下面的单元格更改颜色表是不可能的。 但是，对于其他后端，例如 qt4，它们会打开一个单独的窗口，那些创建绘图的单元格下方的单元格将改变绘图 - 它是一个内存中的活对象。
-
-本教程将使用`matplotlib`的命令式绘图接口`pyplot`。 该接口维护全局状态，并且可用于简单快速地尝试各种绘图设置。 另一种是面向对象的接口，这也非常强大，一般更适合大型应用程序的开发。 如果你想了解面向对象接口，[使用上的常见问题](http://matplotlib.org/faq/usage_faq.html)是一个用于起步的不错的页面。 现在，让我们继续使用命令式方式：
-
-```py
-In [2]: import matplotlib.pyplot as plt
-In [3]: import matplotlib.image as mpimg
-In [4]: import numpy as np
-```
-
-## 将图像数据导入到 NumPy 数组
-
-加载图像数据由 Pillow 库提供支持。 本来，`matplotlib`只支持 PNG 图像。 如果本机读取失败，下面显示的命令会回退到 Pillow。
-
-此示例中使用的图像是 PNG 文件，但是请记住你自己的数据的 Pillow 要求。
-
-下面是我们要摆弄的图片：
-
-![](http://matplotlib.org/_images/stinkbug.png)
-
-它是一个 24 位 RGB PNG 图像（每个 R，G，B 为 8 位）。 根据你获取数据的位置，你最有可能遇到的其他类型的图像是 RGBA 图像，拥有透明度或单通道灰度（亮度）的图像。 你可以右键单击它，选择`Save image as`（另存为）为本教程的剩余部分下载到你的计算机。
-
-现在我们开始...
-
-```py
-In [5]: img=mpimg.imread('stinkbug.png')
-Out[5]:
-array([[[ 0.40784314,  0.40784314,  0.40784314],
-        [ 0.40784314,  0.40784314,  0.40784314],
-        [ 0.40784314,  0.40784314,  0.40784314],
-        ...,
-        [ 0.42745098,  0.42745098,  0.42745098],
-        [ 0.42745098,  0.42745098,  0.42745098],
-        [ 0.42745098,  0.42745098,  0.42745098]],
-
-       ...,
-       [[ 0.44313726,  0.44313726,  0.44313726],
-        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
-        [ 0.4509804 ,  0.4509804 ,  0.4509804 ],
-        ...,
-        [ 0.44705883,  0.44705883,  0.44705883],
-        [ 0.44705883,  0.44705883,  0.44705883],
-        [ 0.44313726,  0.44313726,  0.44313726]]], dtype=float32)
-```
-
-注意这里的`dtype` - `float32`。 Matplotlib 已将每个通道的8位数据重新定标为 0.0 和 1.0 之间的浮点数。 作为旁注，Pillow 可以使用的唯一数据类型是`uint8`。 Matplotlib 绘图可以处理`float32`和`uint8`，但是对于除 PNG 之外的任何格式的图像，读取/写入仅限于`uint8`数据。 为什么是 8 位呢？ 大多数显示器只能渲染每通道 8 位的颜色渐变。 为什么他们只能渲染每通道 8 位呢？ 因为这会使所有人的眼睛可以看到。 更多信息请见（从摄影的角度）：[Luminous Landscape 位深度教程](http://www.luminous-landscape.com/tutorials/bit-depth.shtml)。
-
-每个内部列表表示一个像素。 这里，对于 RGB 图像，有 3 个值。 由于它是一个黑白图像，R，G 和 B 都是类似的。 RGBA（其中 A 是阿尔法或透明度）对于每个内部列表具有 4 个值，而且简单亮度图像仅具有一个值（因此仅是二维数组，而不是三维数组）。 对于 RGB 和 RGBA 图像，`matplotlib`支持`float32`和`uint8`数据类型。 对于灰度，`matplotlib`只支持`float32`。 如果你的数组数据不符合这些描述之一，则需要重新缩放它。
-
-## 将 NumPy 数组绘制为图像
-
-所以，你将数据保存在一个`numpy`数组（通过导入它，或生成它）。 让我们渲染它吧。 在 Matplotlib 中，这是使用`imshow()`函数执行的。 这里我们将抓取`plot`对象。 这个对象提供了一个简单的方法来从提示符处理绘图。
-
-```py
-In [6]: imgplot = plt.imshow(img)
-```
-
-![](http://matplotlib.org/_images/image_tutorial-1.png)
-
-你也可以绘制任何 NumPy 数组。
-
-### 对图像绘图应用伪彩色方案
-
-伪彩色可以是一个有用的工具，用于增强对比度和更易于可视化你的数据。 这在使用投影仪对你的数据进行演示时尤其有用 - 它们的对比度通常很差。
-
-伪彩色仅与单通道，灰度，亮度图像相关。 我们目前有一个RGB图像。 由于R，G 和 B 都是相似的（见上面或你的数据），我们可以只选择一个通道的数据：
-
-```py
-In [7]: lum_img = img[:,:,0]
-```
-
-这是数组切片，更多信息请见[NumPy 教程](http://www.scipy.org/Tentative_NumPy_Tutorial)。
-
-```py
-In [8]: plt.imshow(lum_img)
-```
-
-![](http://matplotlib.org/_images/image_tutorial-2.png)
-
-现在，亮度（2D，无颜色）图像应用了默认颜色表（也称为查找表，LUT）。 默认值称为`jet`。 有很多其他方案可以选择。
-
-```py
-In [9]: plt.imshow(lum_img, cmap="hot")
-```
-
-![](http://matplotlib.org/_images/image_tutorial-3.png)
-
-
-请注意，你还可以使用`set_cmap()`方法更改现有绘图对象上的颜色：
-
-```py
-In [10]: imgplot = plt.imshow(lum_img)
-In [11]: imgplot.set_cmap('spectral')
-```
-
-![](http://matplotlib.org/_images/image_tutorial-4.png)
-
-> 注
-
-> 但是，请记住，在带有内联后端的 IPython notebook 中，你不能对已经渲染的绘图进行更改。 如果你在一个单元格中创建了`imgplot`，你不能在以后的单元格中调用`set_cmap()`，并且改变前面的绘图。 请确保你在相同单元格中一起输入这些命令。`plt`命令不会更改先前单元格的绘图。
-
-有许多可选的其它颜色表，请见[颜色表的列表和图像](http://matplotlib.org/examples/color/colormaps_reference.html)。
-
-### 颜色刻度参考
-
-了解颜色代表什么值对我们很有帮助。 我们可以通过添加颜色条来做到这一点。
-
-```py
-In [12]: imgplot = plt.imshow(lum_img)
-In [13]: plt.colorbar()
-```
-
-![](http://matplotlib.org/_images/image_tutorial-5.png)
-
-这会为你现有的图形添加一个颜色条。 如果你更改并切换到不同的颜色映射，则不会自动更改 - 你必须重新创建绘图，并再次添加颜色条。
-
-### 检查特定数据范围
-
-有时，你想要增强图像的对比度，或者扩大特定区域的对比度，同时牺牲变化不大，或者无所谓的颜色细节。 找到有趣区域的最好工具是直方图。 要创建我们的图像数据的直方图，我们使用`hist()`函数。
-
-```py
-In [14]: plt.hist(lum_img.ravel(), bins=256, range=(0.0, 1.0), fc='k', ec='k')
-```
-
-![](http://matplotlib.org/_images/image_tutorial-6.png)
-
-通常，图像的『有趣』部分在峰值附近，你可以通过剪切峰值上方和/或下方的区域获得额外的对比度。 在我们的直方图中，看起来最大值处没有太多有用的信息（图像中有很多不是白色的东西）。 让我们调整上限，以便我们有效地『放大』直方图的一部分。 我们通过将`clim`参数传递给`imshow`来实现。 你也可以通过对图像绘图对象调用`set_clim()`方法来做到这一点，但要确保你在使用 IPython Notebook 的时候，和`plot`命令在相同的单元格中执行 - 它不会改变之前单元格的图。
-
-```py
-In [15]: imgplot = plt.imshow(lum_img, clim=(0.0, 0.7))
-```
-
-![](http://matplotlib.org/_images/image_tutorial-7.png)
-
-### 数组插值方案
-
-插值根据不同的数学方案计算像素『应有』的颜色或值。 发生这种情况的一个常见的场景是调整图像的大小。 像素的数量会发生变化，但你想要相同的信息。 由于像素是离散的，因此存在缺失的空间。 插值就是填补这个空间的方式。 这就是当你放大图像时，你的图像有时会出来看起来像素化的原因。 当原始图像和扩展图像之间的差异较大时，效果更加明显。 让我们加载我们的图像并缩小它。 我们实际上正在丢弃像素，只保留少数几个像素。 现在，当我们绘制它时，数据被放大为你屏幕的大小。 由于旧的像素不再存在，计算机必须绘制像素来填充那个空间。
-
-我们将使用用来加载图像的 Pillow 库来调整图像大小。
-
-```py
-In [16]: from PIL import Image
-In [17]: img = Image.open('../_static/stinkbug.png')
-In [18]: img.thumbnail((64, 64), Image.ANTIALIAS) # resizes image in-place
-In [19]: imgplot = plt.imshow(img)
-```
-
-![](http://matplotlib.org/_images/image_tutorial-8.png)
-
-这里我们使用默认插值，双线性，因为我们没有向`imshow()`提供任何插值参数。
-
-让我们试试一些其它的东西：
-
-最邻近
-
-```py
-In [20]: imgplot = plt.imshow(img, interpolation="nearest")
-```
-
-![](http://matplotlib.org/_images/image_tutorial-9.png)
-
-双立方
-
-```py
-In [21]: imgplot = plt.imshow(img, interpolation="bicubic")
-```
-
-![](http://matplotlib.org/_images/image_tutorial-10.png)
-
-双立方插值通常用于放大照片 - 人们倾向于模糊而不是过度像素化。
diff --git a/3.6.md b/3.6.md
index 03a0a85e9659ba7bb275b54747f0db4a4b327171..3c611eb66ed767b334595d6483132168850bc2e3 100644
--- a/3.6.md
+++ b/3.6.md
@@ -1,4 +1,4 @@
-# 3.6 图例指南
+# 图例指南
 
 > 原文：[Legend guide](http://matplotlib.org/users/legend_guide.html)
 
diff --git a/3.md b/3.md
index 8436e7a6b3e66d43c2441b021fe12eb3458f5667..d4857c0acc9d99f7533eb738aa8c14c348280f06 100644
--- a/3.md
+++ b/3.md
@@ -1,2 +1,2 @@
-# 第三章 入门指南
+# 教程
 
diff --git a/4.1.md b/4.1.md
new file mode 100644
index 0000000000000000000000000000000000000000..105986bdfb99f77824d1b96277d7f29c688b8063
--- /dev/null
+++ b/4.1.md
@@ -0,0 +1,11 @@
+# 引言
+
+> 原文：[Text introduction](http://matplotlib.org/users/text_intro.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/)
+
+matplotlib 具有优秀的文本支持，包括数学表达式，光栅和向量输出的 truetype 支持，任意旋转的换行分隔文本和 unicode 支持。 因为我们直接在输出文档中嵌入字体，例如 postscript 或 PDF，你在屏幕上看到的也是你在打印件中得到的。 freetype2 可产生非常漂亮，抗锯齿的字体，即使在小光栅尺寸下看起来也不错。 matplotlib 拥有自己的`matplotlib.font_manager`，感谢 Paul Barrett，他实现了一个跨平台，符合 W3C 标准的字体查找算法。
+
+你可以完全控制每个文本属性（字体大小，字体重量，文本位置和颜色等），并在`rc`文件中设置合理的默认值。 并且对于那些对数学或科学图像感兴趣的人，matplotlib 实现了大量的 TeX 数学符号和命令，来支持你图中任何地方放置数学表达式。
\ No newline at end of file
diff --git a/4.2.md b/4.2.md
new file mode 100644
index 0000000000000000000000000000000000000000..ca7f21fa5b67b044d01566e79a5a10e90bd5d549
--- /dev/null
+++ b/4.2.md
@@ -0,0 +1,91 @@
+# 基本的文本命令
+
+> 原文：[Basic text commands](http://matplotlib.org/users/text_intro.html#basic-text-commands)
+
+> 译者：[飞龙](https://github.com/)
+
+> 协议：[CC BY-NC-SA 4.0](http://creativecommons.org/licenses/by-nc-sa/4.0/)
+
+## text
+
+
+在`Axes`的任意位置添加文本。
+
+命令式：[`matplotlib.pyplot.text`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.text)，面向对象：[`matplotlib.axes.Axes.text`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.text)。
+
+
+## xlabel
+
+向 x 轴添加轴标签。
+
+命令式：[`matplotlib.pyplot.xlabel`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.xlabel)，面向对象：[`matplotlib.axes.Axes.set_xlabel`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_xlabel)。
+
+## ylabel
+
+向 y 轴添加轴标签。
+
+命令式：[`matplotlib.pyplot.ylabel`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.ylabel)，面向对象：[`matplotlib.axes.Axes.set_ylabel`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_ylabel)。
+
+## title
+
+向`Axes`添加标题。
+
+命令式：[`matplotlib.pyplot.title`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.title)，面向对象：[`matplotlib.axes.Axes.set_title`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_title)。
+
+## figtext
+
+向`Figure`的任意位置添加文本。
+
+命令式：[`matplotlib.pyplot.figtext`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.figtext)，面向对象：[`matplotlib.figure.Figure.text`](http://matplotlib.org/api/figure_api.html#matplotlib.figure.Figure.text)。
+
+## suptitle
+
+向`Figure`添加标题。
+
+命令式：[`matplotlib.pyplot.suptitle`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.suptitle)，面向对象：[`matplotlib.figure.Figure.suptitle`](http://matplotlib.org/api/figure_api.html#matplotlib.figure.Figure.suptitle)。
+
+## annotate
+
+向`Axes`添加标注，带有可选的箭头。
+
+命令式：[`matplotlib.pyplot.annotate`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.annotate)，面向对象：[`matplotlib.axes.Axes.annotate`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.annotate)。
+
+所有这些函数创建并返回一个`matplotlib.text.Text()`实例，它可以配置各种字体和其他属性。 下面的示例在实战中展示所有这些命令。
+
+```py
+# -*- coding: utf-8 -*-
+import matplotlib.pyplot as plt
+
+fig = plt.figure()
+fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
+
+ax = fig.add_subplot(111)
+fig.subplots_adjust(top=0.85)
+ax.set_title('axes title')
+
+ax.set_xlabel('xlabel')
+ax.set_ylabel('ylabel')
+
+ax.text(3, 8, 'boxed italics text in data coords', style='italic',
+        bbox={'facecolor':'red', 'alpha':0.5, 'pad':10})
+
+ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
+
+ax.text(3, 2, u'unicode: Institut f\374r Festk\366rperphysik')
+
+ax.text(0.95, 0.01, 'colored text in axes coords',
+        verticalalignment='bottom', horizontalalignment='right',
+        transform=ax.transAxes,
+        color='green', fontsize=15)
+
+
+ax.plot([2], [1], 'o')
+ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
+            arrowprops=dict(facecolor='black', shrink=0.05))
+
+ax.axis([0, 10, 0, 10])
+
+plt.show()
+```
+
+![](http://matplotlib.org/_images/text_commands.png)
\ No newline at end of file
diff --git a/4.3.md b/4.3.md
new file mode 100644
index 0000000000000000000000000000000000000000..ddd82fc0e883e19bff8e5fbf19e09425ea104296
--- /dev/null
+++ b/4.3.md
@@ -0,0 +1,125 @@
+# 文本属性及布局
+
+> 原文：[Text properties and layout](http://matplotlib.org/users/text_props.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/)
+
+`matplotlib.text.Text`实例有各种属性，可以通过关键字参数配置文本命令（例如，`title()`，`xlabel()`和`text()`）。
+
+
+| 属性 | 值类型 |
+| --- | --- |
+| alpha | 浮点 |
+| backgroundcolor | 任何 matplotlib 颜色 |
+| bbox | rectangle prop dict plus key 'pad' which is a pad in points |
+| clip_box | `matplotlib.transform.Bbox` 实例 |
+| clip_on | `[True / False]` |
+| clip_path | `Path` 实例和 `Transform` 实例，`Patch` |
+| color | 任何 matplotlib 颜色 |
+| family | `[ 'serif' / 'sans-serif' / 'cursive' / 'fantasy' / 'monospace' ]` |
+| fontproperties | `matplotlib.font_manager.FontProperties` 实例 |
+| horizontalalignment or ha | `[ 'center' / 'right' / 'left' ]` |
+| label | 任何字符串 |
+| linespacing | 浮点 |
+| multialignment | `['left' / 'right' / 'center' ]` |
+| name or fontname | 字符串，例如 `['Sans' / 'Courier' / 'Helvetica' ...]` |
+| picker | [`None` / 浮点 / 布尔值 / 可调用对象]` |
+| position | `(x,y)` |
+| rotation | [ 角度制的角度 / 'vertical' / 'horizontal' |
+| size or fontsize | [ 点的尺寸 | 相对尺寸，例如 `['smaller', 'x-large' ]` |
+| style or fontstyle | `[ 'normal' / 'italic' / 'oblique']` |
+| text | 字符串或任何可使用`'%s'`打印的东西 |
+| transform | `matplotlib.transform` 实例 |
+| variant | `[ 'normal' / 'small-caps' ]` |
+| verticalalignment or va | `[ 'center' / 'top' / 'bottom' / 'baseline' ]` |
+| visible | `[True / False]` |
+| weight or fontweight | `[ 'normal' / 'bold' / 'heavy' / 'light' / 'ultrabold' / 'ultralight']` |
+| x | 浮点 |
+| y | 浮点 |
+| zorder | 任意数值 |
+
+你可以使用对齐参数`horizontalalignment`，`verticalalignment`和`multialignment`来布置文本。 `horizontalalignment`控制文本的`x`位置参数表示文本边界框的左边，中间或右边。 `verticalalignment`控制文本的`y`位置参数表示文本边界框的底部，中心或顶部。 `multialignment`，仅对于换行符分隔的字符串，控制不同的行是左，中还是右对齐。 这里是一个使用`text()`命令显示各种对齐方式的例子。 在整个代码中使用`transform = ax.transAxes`，表示坐标相对于轴边界框给出，其中`0,0`是轴的左下角，`1,1`是右上角。
+
+```py
+import matplotlib.pyplot as plt
+import matplotlib.patches as patches
+
+# build a rectangle in axes coords
+left, width = .25, .5
+bottom, height = .25, .5
+right = left + width
+top = bottom + height
+
+fig = plt.figure()
+ax = fig.add_axes([0,0,1,1])
+
+# axes coordinates are 0,0 is bottom left and 1,1 is upper right
+p = patches.Rectangle(
+    (left, bottom), width, height,
+    fill=False, transform=ax.transAxes, clip_on=False
+    )
+
+ax.add_patch(p)
+
+ax.text(left, bottom, 'left top',
+        horizontalalignment='left',
+        verticalalignment='top',
+        transform=ax.transAxes)
+
+ax.text(left, bottom, 'left bottom',
+        horizontalalignment='left',
+        verticalalignment='bottom',
+        transform=ax.transAxes)
+
+ax.text(right, top, 'right bottom',
+        horizontalalignment='right',
+        verticalalignment='bottom',
+        transform=ax.transAxes)
+
+ax.text(right, top, 'right top',
+        horizontalalignment='right',
+        verticalalignment='top',
+        transform=ax.transAxes)
+
+ax.text(right, bottom, 'center top',
+        horizontalalignment='center',
+        verticalalignment='top',
+        transform=ax.transAxes)
+
+ax.text(left, 0.5*(bottom+top), 'right center',
+        horizontalalignment='right',
+        verticalalignment='center',
+        rotation='vertical',
+        transform=ax.transAxes)
+
+ax.text(left, 0.5*(bottom+top), 'left center',
+        horizontalalignment='left',
+        verticalalignment='center',
+        rotation='vertical',
+        transform=ax.transAxes)
+
+ax.text(0.5*(left+right), 0.5*(bottom+top), 'middle',
+        horizontalalignment='center',
+        verticalalignment='center',
+        fontsize=20, color='red',
+        transform=ax.transAxes)
+
+ax.text(right, 0.5*(bottom+top), 'centered',
+        horizontalalignment='center',
+        verticalalignment='center',
+        rotation='vertical',
+        transform=ax.transAxes)
+
+ax.text(left, top, 'rotated\nwith newlines',
+        horizontalalignment='center',
+        verticalalignment='center',
+        rotation=45,
+        transform=ax.transAxes)
+
+ax.set_axis_off()
+plt.show()
+```
+
+![](http://matplotlib.org/_images/text_layout.png)
\ No newline at end of file
diff --git a/3.7.md b/4.5.md
similarity index 95%
rename from 3.7.md
rename to 4.5.md
index bd0d6cf7b079821ef3421e2f6faabe125cb2f075..5472c0a512a76d656feb72893e6c7bbd9bd3cea3 100644
--- a/3.7.md
+++ b/4.5.md
@@ -1,16 +1,14 @@
-# 3.7 轴域标注
+# 标注
 
-> 原文：[Annotating Axes](http://matplotlib.org/users/annotations_guide.html)
+> 原文：[Annotation](http://matplotlib.org/users/annotations.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/)
 
-## 轴域标注
+## 高级标注
 
-除非你已经读过了[文本标注](http://matplotlib.org/users/annotations_intro.html#annotations-tutorial)、[`text()`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.text)和[`annotate()`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.annotate)，否则不要继续往下看。
-
-## 使用框和文本来标注
+### 使用框和文本来标注
 
 让我们以一个简单的例子来开始。
 
@@ -56,7 +54,7 @@ bb.set_boxstyle("rarrow", pad=0.6)
 bb.set_boxstyle("rarrow,pad=0.6")
 ```
 
-## 使用箭头来标注
+### 使用箭头来标注
 
 
 `pyplot`模块（或`Axes`类的`annotate`方法）中的`annotate()`函数用于绘制连接图上两点的箭头。
@@ -155,7 +153,7 @@ ax.annotate("",
 
 ![](http://matplotlib.org/_images/annotate_simple04.png)
 
-## 将 artist 放置在轴域的锚定位置
+### 将 artist 放置在轴域的锚定位置
 
 有一类 artist 可以放置在轴域的锚定位置。 一个常见的例子是图例。 这种类型的 artist 可以使用`OffsetBox`类创建。 `mpl_toolkits.axes_grid.anchored_artists`中有几个预定义类。
 
@@ -218,7 +216,7 @@ box.drawing_area.add_artist(el)
 
 请注意，与图例不同，默认情况下，`bbox_transform`设置为`IdentityTransform`。
 
-## 使用复杂坐标来标注
+### 使用复杂坐标来标注
 
 matplotlib 中的标注支持[标注文本](http://matplotlib.org/users/annotations_intro.html#annotations-tutorial)中描述的几种类型的坐标。 对于想要更多控制的高级用户，它支持几个其他选项。
 
diff --git a/3.4.md b/4.6.md
similarity index 83%
rename from 3.4.md
rename to 4.6.md
index 5aa8a7873fa73d291b996bd9843133c1e6771de4..e2e189d4292bf9532bb0371280ed78c8d359ccd3 100644
--- a/3.4.md
+++ b/4.6.md
@@ -1,225 +1,11 @@
-# 3.4 文本处理
+# 编写数学表达式
 
-> 原文：[Working with text](http://matplotlib.org/users/index_text.html)
+> 原文：[Writing mathematical expressions](http://matplotlib.org/users/mathtext.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/)
 
-## 引言
-
-matplotlib 具有优秀的文本支持，包括数学表达式，光栅和向量输出的 truetype 支持，任意旋转的换行分隔文本和 unicode 支持。 因为我们直接在输出文档中嵌入字体，例如 postscript 或 PDF，你在屏幕上看到的也是你在打印件中得到的。 freetype2 可产生非常漂亮，抗锯齿的字体，即使在小光栅尺寸下看起来也不错。 matplotlib 拥有自己的`matplotlib.font_manager`，感谢 Paul Barrett，他实现了一个跨平台，符合 W3C 标准的字体查找算法。
-
-你可以完全控制每个文本属性（字体大小，字体重量，文本位置和颜色等），并在`rc`文件中设置合理的默认值。 并且对于那些对数学或科学图像感兴趣的人，matplotlib 实现了大量的 TeX 数学符号和命令，来支持你图中任何地方放置数学表达式。
-
-## 基本的文本命令
-
-### text
-
-
-在`Axes`的任意位置添加文本。
-
-命令式：[`matplotlib.pyplot.text`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.text)，面向对象：[`matplotlib.axes.Axes.text`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.text)。
-
-
-### xlabel
-
-向 x 轴添加轴标签。
-
-命令式：[`matplotlib.pyplot.xlabel`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.xlabel)，面向对象：[`matplotlib.axes.Axes.set_xlabel`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_xlabel)。
-
-### ylabel
-
-向 y 轴添加轴标签。
-
-命令式：[`matplotlib.pyplot.ylabel`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.ylabel)，面向对象：[`matplotlib.axes.Axes.set_ylabel`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_ylabel)。
-
-### title
-
-向`Axes`添加标题。
-
-命令式：[`matplotlib.pyplot.title`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.title)，面向对象：[`matplotlib.axes.Axes.set_title`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_title)。
-
-### figtext
-
-向`Figure`的任意位置添加文本。
-
-命令式：[`matplotlib.pyplot.figtext`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.figtext)，面向对象：[`matplotlib.figure.Figure.text`](http://matplotlib.org/api/figure_api.html#matplotlib.figure.Figure.text)。
-
-### suptitle
-
-向`Figure`添加标题。
-
-命令式：[`matplotlib.pyplot.suptitle`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.suptitle)，面向对象：[`matplotlib.figure.Figure.suptitle`](http://matplotlib.org/api/figure_api.html#matplotlib.figure.Figure.suptitle)。
-
-### annotate
-
-向`Axes`添加标注，带有可选的箭头。
-
-命令式：[`matplotlib.pyplot.annotate`](http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.annotate)，面向对象：[`matplotlib.axes.Axes.annotate`](http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.annotate)。
-
-所有这些函数创建并返回一个`matplotlib.text.Text()`实例，它可以配置各种字体和其他属性。 下面的示例在实战中展示所有这些命令。
-
-```py
-# -*- coding: utf-8 -*-
-import matplotlib.pyplot as plt
-
-fig = plt.figure()
-fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
-
-ax = fig.add_subplot(111)
-fig.subplots_adjust(top=0.85)
-ax.set_title('axes title')
-
-ax.set_xlabel('xlabel')
-ax.set_ylabel('ylabel')
-
-ax.text(3, 8, 'boxed italics text in data coords', style='italic',
-        bbox={'facecolor':'red', 'alpha':0.5, 'pad':10})
-
-ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
-
-ax.text(3, 2, u'unicode: Institut f\374r Festk\366rperphysik')
-
-ax.text(0.95, 0.01, 'colored text in axes coords',
-        verticalalignment='bottom', horizontalalignment='right',
-        transform=ax.transAxes,
-        color='green', fontsize=15)
-
-
-ax.plot([2], [1], 'o')
-ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
-            arrowprops=dict(facecolor='black', shrink=0.05))
-
-ax.axis([0, 10, 0, 10])
-
-plt.show()
-```
-
-![](http://matplotlib.org/_images/text_commands.png)
-
-## 文本属性及布局
-
-`matplotlib.text.Text`实例有各种属性，可以通过关键字参数配置文本命令（例如，`title()`，`xlabel()`和`text()`）。
-
-
-| 属性 | 值类型 |
-| --- | --- |
-| alpha | 浮点 |
-| backgroundcolor | 任何 matplotlib 颜色 |
-| bbox | rectangle prop dict plus key 'pad' which is a pad in points |
-| clip_box | `matplotlib.transform.Bbox` 实例 |
-| clip_on | `[True / False]` |
-| clip_path | `Path` 实例和 `Transform` 实例，`Patch` |
-| color | 任何 matplotlib 颜色 |
-| family | `[ 'serif' / 'sans-serif' / 'cursive' / 'fantasy' / 'monospace' ]` |
-| fontproperties | `matplotlib.font_manager.FontProperties` 实例 |
-| horizontalalignment or ha | `[ 'center' / 'right' / 'left' ]` |
-| label | 任何字符串 |
-| linespacing | 浮点 |
-| multialignment | `['left' / 'right' / 'center' ]` |
-| name or fontname | 字符串，例如 `['Sans' / 'Courier' / 'Helvetica' ...]` |
-| picker | [`None` / 浮点 / 布尔值 / 可调用对象]` |
-| position | `(x,y)` |
-| rotation | [ 角度制的角度 / 'vertical' / 'horizontal' |
-| size or fontsize | [ 点的尺寸 | 相对尺寸，例如 `['smaller', 'x-large' ]` |
-| style or fontstyle | `[ 'normal' / 'italic' / 'oblique']` |
-| text | 字符串或任何可使用`'%s'`打印的东西 |
-| transform | `matplotlib.transform` 实例 |
-| variant | `[ 'normal' / 'small-caps' ]` |
-| verticalalignment or va | `[ 'center' / 'top' / 'bottom' / 'baseline' ]` |
-| visible | `[True / False]` |
-| weight or fontweight | `[ 'normal' / 'bold' / 'heavy' / 'light' / 'ultrabold' / 'ultralight']` |
-| x | 浮点 |
-| y | 浮点 |
-| zorder | 任意数值 |
-
-你可以使用对齐参数`horizontalalignment`，`verticalalignment`和`multialignment`来布置文本。 `horizontalalignment`控制文本的`x`位置参数表示文本边界框的左边，中间或右边。 `verticalalignment`控制文本的`y`位置参数表示文本边界框的底部，中心或顶部。 `multialignment`，仅对于换行符分隔的字符串，控制不同的行是左，中还是右对齐。 这里是一个使用`text()`命令显示各种对齐方式的例子。 在整个代码中使用`transform = ax.transAxes`，表示坐标相对于轴边界框给出，其中`0,0`是轴的左下角，`1,1`是右上角。
-
-```py
-import matplotlib.pyplot as plt
-import matplotlib.patches as patches
-
-# build a rectangle in axes coords
-left, width = .25, .5
-bottom, height = .25, .5
-right = left + width
-top = bottom + height
-
-fig = plt.figure()
-ax = fig.add_axes([0,0,1,1])
-
-# axes coordinates are 0,0 is bottom left and 1,1 is upper right
-p = patches.Rectangle(
-    (left, bottom), width, height,
-    fill=False, transform=ax.transAxes, clip_on=False
-    )
-
-ax.add_patch(p)
-
-ax.text(left, bottom, 'left top',
-        horizontalalignment='left',
-        verticalalignment='top',
-        transform=ax.transAxes)
-
-ax.text(left, bottom, 'left bottom',
-        horizontalalignment='left',
-        verticalalignment='bottom',
-        transform=ax.transAxes)
-
-ax.text(right, top, 'right bottom',
-        horizontalalignment='right',
-        verticalalignment='bottom',
-        transform=ax.transAxes)
-
-ax.text(right, top, 'right top',
-        horizontalalignment='right',
-        verticalalignment='top',
-        transform=ax.transAxes)
-
-ax.text(right, bottom, 'center top',
-        horizontalalignment='center',
-        verticalalignment='top',
-        transform=ax.transAxes)
-
-ax.text(left, 0.5*(bottom+top), 'right center',
-        horizontalalignment='right',
-        verticalalignment='center',
-        rotation='vertical',
-        transform=ax.transAxes)
-
-ax.text(left, 0.5*(bottom+top), 'left center',
-        horizontalalignment='left',
-        verticalalignment='center',
-        rotation='vertical',
-        transform=ax.transAxes)
-
-ax.text(0.5*(left+right), 0.5*(bottom+top), 'middle',
-        horizontalalignment='center',
-        verticalalignment='center',
-        fontsize=20, color='red',
-        transform=ax.transAxes)
-
-ax.text(right, 0.5*(bottom+top), 'centered',
-        horizontalalignment='center',
-        verticalalignment='center',
-        rotation='vertical',
-        transform=ax.transAxes)
-
-ax.text(left, top, 'rotated\nwith newlines',
-        horizontalalignment='center',
-        verticalalignment='center',
-        rotation=45,
-        transform=ax.transAxes)
-
-ax.set_axis_off()
-plt.show()
-```
-
-![](http://matplotlib.org/_images/text_layout.png)
-
-## 编写数学表达式
-
 你可以在任何 matplotlib 文本字符串中使用子 TeX 标记，将它放在一对美元符号（`$`）内。
 
 注意，你不需要安装 TeX，因为 matplotlib 提供了自己的 TeX 表达式解析器，布局引擎和字体。 布局引擎是 Donald Knuth 的 TeX 中的布局算法的一种相当直接的适配版，所以质量是相当不错的（matplotlib 还为那些想要调用 TeX 生成文本的人提供一个`usetex`选项（参见[使用 LaTeX 渲染文本](http://matplotlib.org/users/usetex.html#usetex-tutorial) ）。
@@ -262,7 +48,7 @@ plt.title(r'$\alpha > \beta$')
 
 > 在 TeX 中的数学模式之外有特殊的意义。 因此，根据`rcParam text.usetex`标志这些字符的表现有所不同。 更多信息请参阅[`usetex`教程](http://matplotlib.org/users/usetex.html#usetex-tutorial)。
 
-### 下标和上标
+## 下标和上标
 
 为了制作下标和上标，使用`_`或者`^`符号：
 
@@ -280,7 +66,7 @@ r'$\sum_{i=0}^\infty x_i$'
 
 ![](http://matplotlib.org/_images/mathmpl/math-a3ca6be911.png)
 
-### 分数、二项式和堆叠数
+## 分数、二项式和堆叠数
 
 可以使用`\frac{}{}`，`\binomial{}{}`和`\stackrel{}{}`命令分别创建分数，二项式和堆叠数字：
 
@@ -318,7 +104,7 @@ r'$\left(\frac{5 - \frac{1}{x}}{4}\right)$'
 
 ![](http://matplotlib.org/_images/mathmpl/math-9d267a8c3c.png)
 
-### 根式
+## 根式
 
 根式可以有`\sqrt[]{}`产生，例如：
 
@@ -336,7 +122,7 @@ r'$\sqrt[3]{x}$'
 
 ![](http://matplotlib.org/_images/mathmpl/math-6b6cc30aef.png)
 
-### 字体
+## 字体
 
 用于数学符号的默认字体是斜体。
 
@@ -397,7 +183,7 @@ s(t) = \mathcal{A}\/\sin(2 \omega t)
 
 此外，你可以使用`\mathdefault{...}`或其别名`\mathregular{...}`来使用用于 mathtext 之外的常规文本的字体。 这种方法有一些限制，最明显的是，可以使用很少的符号，但可用于将数学表达式与图中的其他文本混合。
 
-### 自定义字体
+## 自定义字体
 
 mathtext 还提供了一种对数学公式使用自定义字体的方法。 这种方法使用起来相当棘手，应该看做为有耐心的用户准备的试验特性。 通过将`rcParam mathtext.fontset`设置为`custom`，你可以设置以下参数，这些参数控制用于特定数学字符集的字体文件。
 
@@ -416,7 +202,7 @@ mathtext 还提供了一种对数学公式使用自定义字体的方法。 这
 
 请注意，Unicode 中规定的数学字形随时间而演进，许多字体的字形对于 mathtext 可能不在正确位置。
 
-### 重音符号
+## 重音符号
 
 重音命令可以位于任何符号之前，在其上添加重音。 他们中的一些些拥有较长和较短的形式。
 
@@ -448,7 +234,7 @@ r"$\hat i\ \ \hat \imath$"
 
 ![](http://matplotlib.org/_images/mathmpl/math-80117b16d3.png)
 
-### 符号
+## 符号
 
 你也可以使用更大量的 TeX 符号，比如`\infty`，`\leftarrow`，`\sum`，`\int`。
 
@@ -636,7 +422,7 @@ r"$\hat i\ \ \hat \imath$"
 ur'$\u23ce$'
 ```
 
-### 示例
+## 示例
 
 下面是个示例，在上下文中展示了许多这些特性。
 
diff --git a/4.md b/4.md
new file mode 100644
index 0000000000000000000000000000000000000000..fdbed4b1e558bf9b41ba666f540e865e3c5d746e
--- /dev/null
+++ b/4.md
@@ -0,0 +1 @@
+# 文本处理
\ No newline at end of file
diff --git a/6.md b/6.md
new file mode 100644
index 0000000000000000000000000000000000000000..63c68468605db9d6fcfeaf9a04bc242810f5b942
--- /dev/null
+++ b/6.md
@@ -0,0 +1,73 @@
+# 自定义 matplotlib
+
+> 原文：[Customizing matplotlib](http://matplotlib.org/users/customizing.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/)
+
+## 使用样式表自定义绘图
+
+`style`包为易于切换的绘图『样式』增加了支持，它们与`matplotlibrc`文件参数相同。
+
+有一些预定义样式由`matplotlib`提供。 例如，有一个名为『ggplot』的预定义样式，它模拟`ggplot`（R 的一种流行的绘图软件包）的美学。 为了使用此样式，只需添加：
+
+```py
+>>> import matplotlib.pyplot as plt
+>>> plt.style.use('ggplot')
+```
+
+为了列出所有可用样式，使用：
+
+```py
+>>> print(plt.style.available)
+```
+
+## 定义你自己的样式
+
+你可以创建自定义样式，并通过以样式表的路径或 URL 调用`style.use`来使用它们。 或者，如果将`<style-name> mplstyle`文件添加到`mpl_configdir /stylelib`中，你可以通过调用`style.use(<style-name>)`重复使用自定义样式表。 默认情况下`mpl_configdir`应该是`~/.config/matplotlib`，但你可以使用`matplotlib.get_configdir()`检查你的位置，你可能需要创建这个目录。 请注意，如果样式具有相同的名称，`mpl_configdir/stylelib`中的自定义样式表将覆盖由`matplotlib`定义的样式表。
+
+例如，你可能想要使用以下命令创建`mpl_configdir/stylelib/presentation.mplstyle`：
+
+```
+axes.titlesize : 24
+axes.labelsize : 20
+lines.linewidth : 3
+lines.markersize : 10
+xtick.labelsize : 16
+ytick.labelsize : 16
+```
+
+然后，当你想要将一个为纸张设计的地图迁移到演示文档中时，你可以添加：
+
+```py
+>>> import matplotlib.pyplot as plt
+>>> plt.style.use('presentation')
+```
+
+## 组合样式
+
+样式表为组合在一起而设计。 因此，你可以拥有一个自定义颜色的样式表和一个单独的样式表，用于更改演示文档的元素大小。 这些样式可以通过传递样式列表轻松组合：
+
+```py
+>>> import matplotlib.pyplot as plt
+>>> plt.style.use(['dark_background', 'presentation'])
+```
+
+请注意，右侧的样式将覆盖已经由左侧样式定义的值。
+
+## 临时样式
+
+如果只想对特定的代码块使用样式，但不想更改全局样式，那么样式包提供了一个上下文管理器，用于将更改限制于特定范围。 要隔离你的样式更改，你可以编写以下内容：
+
+```py
+>>> import numpy as np
+>>> import matplotlib.pyplot as plt
+>>>
+>>> with plt.style.context(('dark_background')):
+>>>     plt.plot(np.sin(np.linspace(0, 2 * np.pi)), 'r-o')
+>>>
+>>> # Some plotting code with the default style
+>>>
+>>> plt.show()
+```
diff --git a/3.3.md b/7.1.md
similarity index 99%
rename from 3.3.md
rename to 7.1.md
index 3e4c9cb14a01f28c30a12a5c69be4ffb62fbd12b..fff25e2ebb1de3eef26541722a65d4f4934012a9 100644
--- a/3.3.md
+++ b/7.1.md
@@ -1,4 +1,4 @@
-# 3.3 交互式导航
+# 交互式导航
 
 > 原文：[Interactive navigation](http://matplotlib.org/users/navigation_toolbar.html)
 
diff --git a/7.md b/7.md
new file mode 100644
index 0000000000000000000000000000000000000000..98b8756eff7b7c34d82fbb1e756980f6a6b1f05c
--- /dev/null
+++ b/7.md
@@ -0,0 +1 @@
+# 交互式绘图
\ No newline at end of file
diff --git a/3.8.md b/8.1.md
similarity index 99%
rename from 3.8.md
rename to 8.1.md
index a4bb5f0dd79e4c6ff39edaadd038693964c9cd7e..31a2326fe5c915ab89e7c504abac978f63aecc28 100644
--- a/3.8.md
+++ b/8.1.md
@@ -1,4 +1,4 @@
-# 3.8 屏幕截图
+# 屏幕截图
 
 > 原文：[Screenshots](http://matplotlib.org/users/screenshots.html)
 
diff --git a/8.md b/8.md
new file mode 100644
index 0000000000000000000000000000000000000000..626341d6e5050bedf9901dbb1cb67395892766a9
--- /dev/null
+++ b/8.md
@@ -0,0 +1 @@
+# 所选示例