fig_examples.py

"""
fig.py 使用示例
================

本文件展示了如何使用 fig.py 中的 PlotConfig 类进行自定义作图。
fig.py 提供了预设的图形配置，适用于不同的发布场景（论文、幻灯片等）。

作者：GitHub Copilot
日期：2025年10月12日
"""

import numpy as np
import matplotlib.pyplot as plt
from fig import PlotConfig, close

def example_1_simple_plot():
    """
    示例1：最简单的使用方法 - 单个子图
    使用默认的 manuscript_single 配置
    """
    print("示例1：简单单图绘制")
    
    # 创建PlotConfig对象，使用默认的manuscript_single配置
    config = PlotConfig()
    
    # 获取图形和坐标轴
    fig, ax = config.get_simple()
    
    # 生成示例数据
    x = np.linspace(0, 2*np.pi, 100)
    y = np.sin(x)
    
    # 绘图
    ax.plot(x, y, 'b-', linewidth=2, label=r'$y = \sin(x)$')
    ax.set_xlabel(r'$x$')
    ax.set_ylabel(r'$y$')
    ax.set_title('简单正弦函数')
    ax.legend()
    ax.grid(True, alpha=0.3)
    
    # 保存图片
    plt.savefig('example_1_simple.pdf', bbox_inches='tight')
    print("图片已保存为 example_1_simple.pdf")
    
    # 关闭图形
    close(fig)

def example_2_custom_config():
    """
    示例2：使用不同的预设配置
    演示如何选择不同的配置模板
    """
    print("\n示例2：使用幻灯片配置")
    
    # 使用幻灯片单图配置（字体更大，适合演示）
    config = PlotConfig(config_name='slides_single')
    fig, ax = config.get_simple()
    
    # 生成示例数据
    x = np.linspace(0, 10, 50)
    y1 = np.exp(-x/5) * np.cos(x)
    y2 = np.exp(-x/5) * np.sin(x)
    
    # 绘制多条曲线
    ax.plot(x, y1, 'r-', linewidth=3, label=r'$e^{-x/5}\cos(x)$')
    ax.plot(x, y2, 'b--', linewidth=3, label=r'$e^{-x/5}\sin(x)$')
    
    ax.set_xlabel(r'$x$')
    ax.set_ylabel(r'$y$')
    ax.set_title('阻尼振荡函数')
    ax.legend()
    ax.grid(True, alpha=0.3)
    
    plt.savefig('example_2_slides.pdf', bbox_inches='tight')
    print("图片已保存为 example_2_slides.pdf")
    
    close(fig)

def example_3_custom_parameters():
    """
    示例3：自定义参数
    演示如何在创建PlotConfig时覆盖默认参数
    """
    print("\n示例3：自定义参数配置")
    
    # 自定义配置：修改字体大小和图形宽度
    config = PlotConfig(
        config_name='manuscript_single',
        ftsize=14,  # 增大字体
        plot_width=12.0,  # 增加图形宽度
        subplot_ratio=0.7  # 改变宽高比
    )
    
    fig, ax = config.get_simple()
    
    # 创建散点图示例
    np.random.seed(42)
    x = np.random.randn(100)
    y = 2 * x + np.random.randn(100) * 0.5
    
    ax.scatter(x, y, alpha=0.6, c='red', s=50)
    
    # 拟合直线
    coeffs = np.polyfit(x, y, 1)
    x_fit = np.linspace(x.min(), x.max(), 100)
    y_fit = coeffs[0] * x_fit + coeffs[1]
    ax.plot(x_fit, y_fit, 'k--', linewidth=2, 
            label=f'拟合直线: $y = {coeffs[0]:.2f}x + {coeffs[1]:.2f}$')
    
    ax.set_xlabel(r'$x$')
    ax.set_ylabel(r'$y$')
    ax.set_title('散点图与线性拟合')
    ax.legend()
    ax.grid(True, alpha=0.3)
    
    plt.savefig('example_3_custom.pdf', bbox_inches='tight')
    print("图片已保存为 example_3_custom.pdf")
    
    close(fig)

def example_4_multiple_subplots():
    """
    示例4：多子图布局
    演示如何创建多个子图
    """
    print("\n示例4：多子图布局 (2x2)")
    
    # 创建2x2的子图布局
    config = PlotConfig(config_name='manuscript_double', nrow=2, ncol=2)
    fig = config.get_fig()
    
    # 生成示例数据
    x = np.linspace(0, 2*np.pi, 100)
    
    # 子图1: 正弦函数
    ax1 = config.get_axes(fig, i=0, j=0)
    ax1.plot(x, np.sin(x), 'b-', linewidth=2)
    ax1.set_title(r'$\sin(x)$')
    ax1.grid(True, alpha=0.3)
    
    # 子图2: 余弦函数
    ax2 = config.get_axes(fig, i=0, j=1)
    ax2.plot(x, np.cos(x), 'r-', linewidth=2)
    ax2.set_title(r'$\cos(x)$')
    ax2.grid(True, alpha=0.3)
    
    # 子图3: 正切函数
    ax3 = config.get_axes(fig, i=1, j=0)
    y_tan = np.tan(x)
    y_tan[np.abs(y_tan) > 10] = np.nan  # 避免无穷大值
    ax3.plot(x, y_tan, 'g-', linewidth=2)
    ax3.set_title(r'$\tan(x)$')
    ax3.set_ylim(-5, 5)
    ax3.grid(True, alpha=0.3)
    
    # 子图4: 指数函数
    ax4 = config.get_axes(fig, i=1, j=1)
    ax4.plot(x, np.exp(-x/2), 'm-', linewidth=2)
    ax4.set_title(r'$e^{-x/2}$')
    ax4.grid(True, alpha=0.3)
    
    # 添加总标题
    fig.suptitle('多种数学函数', fontsize=config.ftsize+2, y=0.95)
    
    plt.savefig('example_4_multiple.pdf', bbox_inches='tight')
    print("图片已保存为 example_4_multiple.pdf")
    
    close(fig)

def example_5_pci_publication():
    """
    示例5：期刊发表格式
    演示PCI期刊的图形格式
    """
    print("\n示例5：PCI期刊发表格式")
    
    # 使用PCI期刊配置
    config = PlotConfig(config_name='PCI_single')
    fig, ax = config.get_simple()
    
    # 创建热力学数据示例
    T = np.linspace(300, 2000, 100)  # 温度范围 300-2000K
    # 假设的热容数据
    Cp_N2 = 29.1 + 0.0014*T - 5.7e-7*T**2 + 1.1e-10*T**3
    Cp_O2 = 29.4 + 0.0036*T - 1.9e-6*T**2 + 3.6e-10*T**3
    Cp_CO2 = 22.3 + 0.06*T - 4.1e-5*T**2 + 1.3e-8*T**3
    
    ax.plot(T, Cp_N2, 'b-', linewidth=1.5, label=r'N$_2$')
    ax.plot(T, Cp_O2, 'r--', linewidth=1.5, label=r'O$_2$')
    ax.plot(T, Cp_CO2, 'g-.', linewidth=1.5, label=r'CO$_2$')
    
    ax.set_xlabel('Temperature (K)')
    ax.set_ylabel(r'$C_p$ (J mol$^{-1}$ K$^{-1}$)')
    ax.set_title('Heat Capacity vs Temperature')
    ax.legend()
    ax.grid(True, alpha=0.3)
    
    plt.savefig('example_5_PCI.pdf', bbox_inches='tight')
    print("图片已保存为 example_5_PCI.pdf")
    
    close(fig)

def show_available_configs():
    """
    显示所有可用的配置
    """
    print("\n可用的预设配置：")
    print("=" * 50)
    configs = [
        ('manuscript_single', '单栏期刊论文格式'),
        ('manuscript_double', '双栏期刊论文格式'),
        ('slides_single', '单图幻灯片格式'),
        ('slides_double', '双图幻灯片格式'),
        ('PCI_single', 'PCI期刊单图格式'),
        ('PCI_double', 'PCI期刊双图格式')
    ]
    
    for config_name, description in configs:
        print(f"'{config_name}': {description}")

def main():
    """
    主函数：运行所有示例
    """
    print("fig.py 使用示例演示")
    print("=" * 50)
    
    # 显示可用配置
    show_available_configs()
    
    # 运行所有示例
    example_1_simple_plot()
    example_2_custom_config()
    example_3_custom_parameters()
    example_4_multiple_subplots()
    example_5_pci_publication()
    
    print("\n所有示例已完成！生成的PDF文件：")
    print("- example_1_simple.pdf")
    print("- example_2_slides.pdf")
    print("- example_3_custom.pdf")
    print("- example_4_multiple.pdf")
    print("- example_5_PCI.pdf")

if __name__ == "__main__":
    main()