关于处理数据或计算数学关系的工具，大部分人都知道 MATLAB ，但是如何在没有MATLAB的情况下画函数呢？我们可以尝试使用office中的word去画。以下为具体的方法。
1.打开word2016，点击“插入”的 “图表“


2.选中”XY散点图“的”带平滑曲线的散点图“

3.这时候会弹出一个excel 表格会让你填写数据。默认的数据名称是X值和Y值。输入对应的数据就可以生成对应的图像，但是我们要生成函数图像，一个个输入数据太麻烦，这时候可以用excel的公式（公式的书写格式参考百度）。看图。在单元格输入”=+你的函数公式“即可自动算出函数值。
                                                

4.如果不熟悉excel的操作，可能不知道x值如何打出来，其实这种有规律的x值（示例中是等距的分布），可以用excel的自动填充功能，先在单元格内输入两三个有明显规律的数据，选中那几个数据，然后把鼠标放到最后一个数据右下角（下图箭头指的绿点），光标会变成一个  ”+“ 这时候按住往下拖，就可以自动填充。


5.此时直接退出excel数据编辑界面，就可以看到word生成的图，点击图片，可以对图片进行修改，包括加横纵坐标的标题，是否要显示网格线。


优点：无需matlab等专业工具，无需编程能力。
缺点：只能利用离散的数据画图，虽然有平滑曲线，但是还是不如matlab等工具的函数语言方便。所以，在画一些比较大型的图片时，还是用其他专业软件比较好一点。

引言
 
最近需要实现Java在Word中画折线图功能，不能简单的生成折线图再导入。实现方法就是利用Apache poi 工具。实现的效果如下，把鼠标放上去可以显示值。
 
 
比较简单，有一些坑，发出来记录一下。
 
模板
 
要实现上述效果需要一个Word模板，直接新建一个Word文件，插入Word内置的折线图图表即可。
 
 
插入完成就是这样子：
 

 把这个模板保存为line-chart-template.docx。
 
引入POI工具
 
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>4.1.0</version>
</dependency>
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi-ooxml</artifactId>
    <version>4.1.0</version>
</dependency>
 
完整代码
 
注意poi版本的问题，最好不低于4.1.0。4.0.1的版本有个坑，不能修改系列的标题。
 这就是折线图的完整代码了：
 
public class GraphTest3 {
    public static void main(String[] args) throws Exception {
        String templatePath = "D:\\word\\line-chart-template.docx";

        InputStream is = new FileInputStream(new File(templatePath));
        XWPFDocument doc = new XWPFDocument(is);

        //模拟统计图数据
        //系列
        String[] seriesTitles = {"日处理能力(kg)", "湿垃圾(kg)", "干垃圾(kg)"};
        //x轴
        String[] categories = {"2020-02-20", "2020-02-21", "2020-02-22", "2020-02-23", "2020-02-24", "2020-02-25", "2020-02-26"};
        List<Number[]> values = new ArrayList<>();
         //日处理能力
        Number[] value1 = {1000, 1000, 1000, 1000, 1000, 1000, 1000};
        //湿垃圾
        Number[] value2 = {450.2, 622.1, 514, 384.7, 486.5, 688.9, 711.1};
        //干垃圾
        Number[] value3 = {200.2, 321.4, 266, 156.5, 232.2, 325.5, 319.5};

        values.add(value1);
        values.add(value2);
        values.add(value3);

        XWPFChart xChart = doc.getCharts().get(0);//获取第1个图表
        generateChart(xChart, seriesTitles, categories, values);

        try (FileOutputStream fos = new FileOutputStream("D:\\word\\test.docx")) {
            doc.write(fos);
        }

    }

    public static void generateChart(XWPFChart chart, String[] series, String[] categories, List<Number[]> values) {
        String chartTitle = "收运量统计图";
        final List<XDDFChartData> data = chart.getChartSeries();//不知道这个ChartSeries代表什么意思
        final XDDFLineChartData line = (XDDFLineChartData) data.get(0);//这里一般获取第一个,我们这里是折线图就是XDDFLineChartData

        final int numOfPoints = categories.length;

        final String categoryDataRange = chart.formatRange(new CellRangeAddress(1, numOfPoints, 0, 0));

        final XDDFDataSource<?> categoriesData = XDDFDataSourcesFactory.fromArray(categories, categoryDataRange, 0);
        for (int i = 0; i < values.size(); i++) {
            final String valuesDataRange = chart.formatRange(new CellRangeAddress(1, numOfPoints, i + 1, i + 1));
            Number[] value = values.get(i);
            final XDDFNumericalDataSource<? extends Number> valuesData = XDDFDataSourcesFactory.fromArray(value, valuesDataRange, i + 1);
            XDDFChartData.Series ser;//图表中的系列
            ser = line.getSeries().get(i);
            ser.replaceData(categoriesData, valuesData);
            CellReference cellReference = chart.setSheetTitle(series[i], 1);//修改系列标题
            ser.setTitle(series[i], cellReference);
        }

        chart.plot(line);
        chart.setTitleText(chartTitle);//折线图标题
        chart.setTitleOverlay(false);
    }
}
 
XWPFChart xChart = doc.getCharts().get(0);//获取第1个图表这段代码是获取图表的意思。
 
为了体现效果，我又加了个折线图，然后DEBUG可以看到charts里面是这样的。可以支持多图表的，虽然我这里只展示了一个图表。
 
 
效果
 
 
最终的效果如图，和在word中画折线图的效果一样，可以随意编辑模板折线图的样式。不需要代码处理，这里比如我把第一个系列“日处理能力”的线条样式改成虚线。
 
修改模板中的效果如下：
 
 
此时代码不需要任何修改，重新跑一遍。
 

 效果如上，是不是很方便。有问题欢迎留言。

前言
这几天在搞论文图，唉说实话抠图这种东西真能逼死人。坐在电脑前抠上一天越看越丑，最后把自己丑哭了……
到了画折线图分析的时候，在想用哪些工具的时候。首先否决了excel，读书人的事，怎么能用excel画论文的图呢？

然后我又尝试了Gnuplot、Matlab、Python等。这些软件作图无疑是一个非常好的选择，他们都有一个共同的特点，就是图片都是用代码生成的。
但是学习成本太高啦。为了画一个破图，折腾上十天半个月，谁受得了。
像小编这种偶尔写写代码日常懂点代码的还好。但那些平时不写代码而且没有代码基础又没有一个会写代码的男朋友或者只有一个不会写代码的男朋友的女生可咋办？

python+Matplotlib
最后挑来挑去，最终选用了python+Matplotlib。Matplotlib是著名Python的标配画图包，其绘图函数的名字基本上与 Matlab 的绘图函数差不多。优点是曲线精致，软件开源免费，支持Latex公式插入，且许多时候只需要一行或几行代码就能搞定。
然后小编经过了几天的摸索，找了几个不错的python代码模板，供大家简单修改就能快速上手使用。建议使用Wing Personal 作为PythonIDE，生成的图片能上下左右进行调整：

NO.1
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['Arial']#如果要显示中文字体，则在此处设为：SimHei
plt.rcParams['axes.unicode_minus']=False#显示负号
x = np.array([3,5,7,9,11,13,15,17,19,21])
A = np.array([0.9708, 0.6429, 1, 0.8333, 0.8841, 0.5867, 0.9352, 0.8000, 0.9359, 0.9405])
B= np.array([0.9708, 0.6558, 1, 0.8095, 0.8913, 0.5950, 0.9352, 0.8000, 0.9359, 0.9419])
C=np.array([0.9657, 0.6688, 0.9855, 0.7881, 0.8667, 0.5952, 0.9361, 0.7848, 0.9244, 0.9221])
D=np.array([0.9664, 0.6701, 0.9884, 0.7929, 0.8790, 0.6072, 0.9352, 0.7920, 0.9170, 0.9254])
#label在图示(legend)中显示。若为数学公式，则最好在字符串前后添加"$"符号
#color：b:blue、g:green、r:red、c:cyan、m:magenta、y:yellow、k:black、w:white、、、
#线型：- -- -. : ,
#marker：. , o v < * + 1
plt.figure(figsize=(10,5))
plt.grid(linestyle = "--") #设置背景网格线为虚线
ax = plt.gca()
ax.spines['top'].set_visible(False) #去掉上边框
ax.spines['right'].set_visible(False) #去掉右边框
plt.plot(x,A,color="black",label="A algorithm",linewidth=1.5)
plt.plot(x,B,"k--",label="B algorithm",linewidth=1.5)
plt.plot(x,C,color="red",label="C algorithm",linewidth=1.5)
plt.plot(x,D,"r--",label="D algorithm",linewidth=1.5)
group_labels=['dataset1','dataset2','dataset3','dataset4','dataset5',' dataset6','dataset7','dataset8','dataset9','dataset10'] #x轴刻度的标识
plt.xticks(x,group_labels,fontsize=12,fontweight='bold') #默认字体大小为10
plt.yticks(fontsize=12,fontweight='bold')
plt.title("example",fontsize=12,fontweight='bold') #默认字体大小为12
plt.xlabel("Data sets",fontsize=13,fontweight='bold')
plt.ylabel("Accuracy",fontsize=13,fontweight='bold')
plt.xlim(3,21) #设置x轴的范围
#plt.ylim(0.5,1)
#plt.legend() #显示各曲线的图例
plt.legend(loc=0, numpoints=1)
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=12,fontweight='bold') #设置图例字体的大小和粗细
plt.savefig('D:\filename.png') #建议保存为svg格式，再用inkscape转为矢量图emf后插入word中
plt.show()
效果图：

NO.2
# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Arial'] # 如果要显示中文字体,则在此处设为：SimHei
plt.rcParams['axes.unicode_minus'] = False # 显示负号
x = np.array([1, 2, 3, 4, 5, 6])
VGG_supervised = np.array([2.9749694, 3.9357018, 4.7440844, 6.482254, 8.720203, 13.687582])
VGG_unsupervised = np.array([2.1044724, 2.9757383, 3.7754183, 5.686206, 8.367847, 14.144531])
ourNetwork = np.array([2.0205495, 2.6509762, 3.1876223, 4.380781, 6.004548, 9.9298])
# label在图示(legend)中显示。若为数学公式,则最好在字符串前后添加"$"符号
# color：b:blue、g:green、r:red、c:cyan、m:magenta、y:yellow、k:black、w:white、、、
# 线型：- -- -. : ,
# marker：. , o v < * + 1
plt.figure(figsize=(10, 5))
plt.grid(linestyle="--") # 设置背景网格线为虚线
ax = plt.gca()
ax.spines['top'].set_visible(False) # 去掉上边框
ax.spines['right'].set_visible(False) # 去掉右边框
plt.plot(x, VGG_supervised, marker='o', color="blue", label="VGG-style Supervised Network", linewidth=1.5)
plt.plot(x, VGG_unsupervised, marker='o', color="green", label="VGG-style Unsupervised Network", linewidth=1.5)
plt.plot(x, ourNetwork, marker='o', color="red", label="ShuffleNet-style Network", linewidth=1.5)
group_labels = ['Top 0-5%', 'Top 5-10%', 'Top 10-20%', 'Top 20-50%', 'Top 50-70%', ' Top 70-100%'] # x轴刻度的标识
plt.xticks(x, group_labels, fontsize=12, fontweight='bold') # 默认字体大小为10
plt.yticks(fontsize=12, fontweight='bold')
# plt.title("example", fontsize=12, fontweight='bold') # 默认字体大小为12
plt.xlabel("Performance Percentile", fontsize=13, fontweight='bold')
plt.ylabel("4pt-Homography RMSE", fontsize=13, fontweight='bold')
plt.xlim(0.9, 6.1) # 设置x轴的范围
plt.ylim(1.5, 16)
# plt.legend() #显示各曲线的图例
plt.legend(loc=0, numpoints=1)
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=12, fontweight='bold') # 设置图例字体的大小和粗细
plt.savefig('./filename.svg', format='svg') # 建议保存为svg格式,再用inkscape转为矢量图emf后插入word中
plt.show()
效果图：

NO.3
# coding=utf-8
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
import numpy as np
figure(num=None, figsize=(2.8, 1.7), dpi=300)
#figsize的2.8和1.7指的是英寸，dpi指定图片分辨率。那么图片就是（2.8*300）*（1.7*300）像素大小
test_mean_1000S_n = [0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8]
test_mean_1000S = [0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6]
plt.plot(test_mean_1000S_n, 'royalblue', label='without threshold')
plt.plot(test_mean_1000S, 'darkorange', label='with threshold')
#画图，并指定颜色
plt.xticks(fontproperties = 'Times New Roman', fontsize=8)
plt.yticks(np.arange(0, 1.1, 0.2), fontproperties = 'Times New Roman', fontsize=8)
#指定横纵坐标的字体以及字体大小，记住是fontsize不是size。yticks上我还用numpy指定了坐标轴的变化范围。
plt.legend(loc='lower right', prop={'family':'Times New Roman', 'size':8})
#图上的legend，记住字体是要用prop以字典形式设置的，而且字的大小是size不是fontsize，这个容易和xticks的命令弄混
plt.title('1000 samples', fontdict={'family' : 'Times New Roman', 'size':8})
#指定图上标题的字体及大小
plt.xlabel('iterations', fontdict={'family' : 'Times New Roman', 'size':8})
plt.ylabel('accuracy', fontdict={'family' : 'Times New Roman', 'size':8})
#指定横纵坐标描述的字体及大小
plt.savefig('./where-you-want-to-save.png', dpi=300, bbox_inches="tight")
#保存文件，dpi指定保存文件的分辨率
#bbox_inches="tight" 可以保存图上所有的信息，不会出现横纵坐标轴的描述存掉了的情况
plt.show()
#记住，如果你要show()的话，一定要先savefig，再show。如果你先show了，存出来的就是一张白纸。
效果图：

最后在放点Matplotlib相关设置供大家参考：
附颜色表

Marker常见参数

注：大家可以mark一下，说不定以后用得上呢？

最后，我还是用回了excel作图。。。

今天小老婆给我抱怨说复习得很累，写了特别多的东西。突然跟我说她有点想用Word写笔记，但是她不会画图（其实会画也比手写花时间）。然后我让她给我发了一下她画的图（微观经济学的图）就是这样的 
  
 然后我感觉以我水平应该可以用python画一下这个图。 
 说干就干。
 
import matplotlib.pyplot as plt
import numpy as np
from pylab import *
from scipy import interpolate

#一个小函数
def demand_curve(x, a, c):
    return 5*(x-a)**(2)+c

#设置编码，让中文可以在图上显示
mpl.rcParams['font.sans-serif'] = ['SimHei']

#开启一个窗口，num设置子图数量，figsize设置窗口大小，dpi设置分辨率
fig = plt.figure(num=1, figsize=(15, 8),dpi=80)
plt.title("送给小老婆", {"size":24})

#这是和L1相切的无差异曲线
x = np.arange(0, 0.2, 0.01)
y = demand_curve(x, 0.3, 0.6)
plt.plot(x, y, linestyle="--")
#这是和L2相切的无差异曲线
x = np.arange(0.5,0.7,0.01)
y = demand_curve(x, 0.7, 0.35)
plt.plot(x, y, linestyle="--")
#这是和L3相切的无差异曲线
x = np.arange(1.1,1.3,0.01)
y = demand_curve(x, 1.25, 0.3875)
plt.plot(x, y, linestyle="--")

#这是三条切线
plt.plot([0,0.5],[1,0], label="L1", linestyle="-")
plt.plot([0,1],[1,0], label="L2", linestyle="-")
plt.plot([0,2],[1,0], label="L3", linestyle="-")

#这是三条无差异曲线和切线的切点以及一个额外点表示价格-消费曲线，这里我用线性插值的方式把价格-消费曲线补全
x = np.array([0.1, 0.6, 1.2, 1.5])
y = np.array([0.8, 0.4, 0.4, 0.5])
xnew = np.arange(0.1,1.5,0.01)
func = interpolate.interp1d(x, y, kind='quadratic')
ynew = func(xnew)
plt.plot(xnew,ynew,label="价格-消费曲线",linestyle="-.")

#这是三个切点
plt.plot(0.1, 0.8, 'rs', 0.6, 0.4, 'bs', 1.2, 0.4, 'ys')

#这些是图例以及坐标轴显示范围 
plt.legend(["U1", "U2", "U3", "L1", "L2", "L3","价格-消费曲线", "A", "B", "C"], loc=0, ncol=2, prop={"size":20})
plt.xlim(0,2.2)
plt.ylim(0,1.2)
plt.xlabel("食物（单位/月）",{"size":20})
plt.ylabel("衣服（单位/月）",{"size":20})
#让坐标轴刻度隐身
plt.xticks([])
plt.yticks([])

#显示绘图结果
plt.show()
 
最后就是跑一下，得到的图是这样的 
  
 看上去还不错，给小老婆发一下她也说不错。美滋滋