在开始之前，我要对latex做一点补充。

  上一篇文章中提到了latex绘制流程图，文中给出了一个实例，在具体的应用上也很简单。下面两个网页可能会比较有用，特别是在流程图的绘制上(各类shapes汇总)：

http://www.texample.net/tikz/examples/feature/nodes-and-shapes/

  流程图判断——菱形，其变扁的方法：

http://bbs.ctex.org/forum.php?mod=viewthread&tid=57980

  下面开始今天要说到的主题。matlab固然很牛叉，但是在理解和实现上还是相对复杂的，python利用现有的库，基本可以实现matlab所有的功能，甚至超越之。与前面的文章相对应，python绘图应该主要着眼的是一些比较严谨的数学公式的绘制问题，相对于latex，其图形更加有数学之美。

  今天晚上，我又整了一下python的绘图，感觉还是比较方便的，50行不到的代码即可实现比较完美的图形，特别推荐。下面对应的依次是图形和代码：

  对应的代码很简单：

#!/usr/bin/python
#coding = utf8

import sys
import string
import numpy as np
import matplotlib.pyplot as plt

def f_fun(d, k, i):
    a = (2.0*d)/((2.0*k-i-1.0)*i+2.0*k*(d-k+1.0))
    return a

def g_fun(d, k, i):
    a = (2.0*d-2.0*k+i+1.0)*i*1.0/(2.0*d)
    return a

def main():
    form = ['ro-', 'b--<', 'g-*', 'y--s', 'c->']
    k = 5
    d = [9, 8, 7, 6, 5]
    x = y = [1.0/k]
    for t in range(5):
        r = [f_fun(d[t], k, i) for i in range(k-1, -1, -1)]
        a = [((1.0-g_fun(d[t], k, i)*r[k-i-1])*1.0/(k-i)) for i in range(k-1, 0, -1)]
        a.append(1.0/k)
        x.append(r[0])
        y.append(a[0])
        plt.plot(r, a, form[t], linewidth = 2.0, label = "$d="+str(d[t])+",n=10,k=5$")
    plt.plot(x, y, linewidth = 1.2, color = 'black')
    plt.plot([1.0], [1.0/k], 'rs')
    plt.annotate("MDS point", xy=(1.0, 1.0/k), xycoords = 'data', xytext=(0.8, 0.25), arrowprops=dict(arrowstyle="->", linewidth = 1.2))
#plt.plot([1.0], [1.0/k], 'rs')
    plt.legend(loc='upper right')
    plt.title("Storage-Communication tradeoff \n n=10,k=5,d=5~9,B=1MB")
    plt.ylabel("Storage per node $\\alpha$")
    plt.xlabel("Bandwidth to repair one node $\\gamma$")
    plt.grid(True)
    plt.show()

if __name__ == '__main__':
    main()