{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# matplotlib - 2D and 3D plotting in Python" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "J.R. Johansson (jrjohansson at gmail.com)\n", "\n", "The latest version of this [IPython notebook](http://ipython.org/notebook.html) lecture is available at [http://github.com/jrjohansson/scientific-python-lectures](http://github.com/jrjohansson/scientific-python-lectures).\n", "\n", "The other notebooks in this lecture series are indexed at [http://jrjohansson.github.io](http://jrjohansson.github.io).\n", "\n", "Notebook has been edited by Hans Fangohr (Sept 2016)\n", "- minor changes\n", "- removal of animations\n", "- clear name space before matplotlib section\n", "- run on python3 system\n", "- add suggestion of changing figure size to get larger font for publications\n", "\n", "Further changes by Hans Fangohr (May 2019)\n", "- remove qt backend\n", "- introduce %matplotlib notebook \n", "\n", "Review January 2022 by Hans Fangohr\n", "- update matplotlib calls that were deprecated\n", "- add section on 'good practice'\n", "\n", "Review November 2024 Hans Fangohr\n", "- remove pylab section" ] }, { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": [ "# for JupyterLite, need to import matplotlib before the next cell\n", "import matplotlib" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [], "source": [ "# This line configures matplotlib to show figures embedded in the notebook, \n", "# instead of opening a new window for each figure. More about that later. \n", "%matplotlib inline\n", "%config InlineBackend.figure_formats = ['svg']" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Introduction" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Matplotlib is an excellent 2D and 3D graphics library for generating scientific figures. Some of the many advantages of this library include:\n", "\n", "* Easy to get started\n", "* Support for $\\LaTeX$ formatted labels and texts\n", "* Great control of every element in a figure, including figure size and DPI. \n", "* High-quality output in many formats, including PNG, PDF, SVG, EPS, and PGF.\n", "* GUI for interactively exploring figures *and* support for headless generation of figure files (useful for batch jobs).\n", "\n", "One of the key features of matplotlib that I would like to emphasize, and that I think makes matplotlib highly suitable for generating figures for scientific publications is that all aspects of the figure can be controlled *programmatically*. This is important for reproducibility and convenient when one needs to regenerate the figure with updated data or change its appearance. \n", "\n", "More information at the Matplotlib web page: http://matplotlib.org/" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "To get started using Matplotlib in a Python program, either include the symbols from the `pylab` module (the easy way):" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [], "source": [ "import numpy as np\n", "x = np.linspace(0, 5, 10)\n", "y = x ** 2" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## The matplotlib object-oriented API" ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [], "source": [ "import matplotlib\n", "import matplotlib.pyplot as plt" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The main idea with object-oriented programming is to have objects that one can apply functions and actions on, and no object or program states should be global (such as the MATLAB-like API). The real advantage of this approach becomes apparent when more than one figure is created, or when a figure contains more than one subplot. \n", "\n", "To use the object-oriented API we start out very much like in the previous example, but instead of creating a new global figure instance we store a reference to the newly created figure instance in the `fig` variable, and from it we create a new axis instance `axes` using the `add_axes` method in the `Figure` class instance `fig`:" ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:52:59.943260\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure()\n", "\n", "axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # left, bottom, width, height (range 0 to 1)\n", "\n", "axes.plot(x, y, 'r')\n", "\n", "axes.set_xlabel('x')\n", "axes.set_ylabel('y')\n", "axes.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Although a little bit more code is involved, the advantage is that we now have full control of where the plot axes are placed, and we can easily add more than one axis to the figure:" ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.051061\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure()\n", "\n", "axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # main axes\n", "axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # inset axes\n", "\n", "# main figure\n", "axes1.plot(x, y, 'r') # 'r' -> red\n", "axes1.set_xlabel('x')\n", "axes1.set_ylabel('y')\n", "axes1.set_title('title')\n", "\n", "# insert\n", "axes2.plot(y, x, 'g') # 'g' -> green\n", "axes2.set_xlabel('y')\n", "axes2.set_ylabel('x')\n", "axes2.set_title('insert title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "If we don't care about being explicit about where our plot axes are placed in the figure canvas, then we can use one of the many axis layout managers in matplotlib. My favorite is `subplots`, which can be used like this:" ] }, { "cell_type": "code", "execution_count": 7, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.134904\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots()\n", "\n", "axes.plot(x, y, 'r')\n", "axes.set_xlabel('x')\n", "axes.set_ylabel('y')\n", "axes.set_title('title');" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.231891\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(nrows=1, ncols=2)\n", "\n", "for ax in axes:\n", " ax.plot(x, y, 'r')\n", " ax.set_xlabel('x')\n", " ax.set_ylabel('y')\n", " ax.set_title('title')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "That was easy, but it isn't so pretty with overlapping figure axes and labels, right?\n", "\n", "We can deal with that by using the `fig.tight_layout` method, which automatically adjusts the positions of the axes on the figure canvas so that there is no overlapping content:" ] }, { "cell_type": "code", "execution_count": 9, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.368976\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(nrows=1, ncols=2)\n", "\n", "for ax in axes:\n", " ax.plot(x, y, 'r')\n", " ax.set_xlabel('x')\n", " ax.set_ylabel('y')\n", " ax.set_title('title')\n", " \n", "fig.tight_layout()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Figure size, aspect ratio and DPI" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Matplotlib allows the aspect ratio, DPI and figure size to be specified when the `Figure` object is created, using the `figsize` and `dpi` keyword arguments. `figsize` is a tuple of the width and height of the figure in inches, and `dpi` is the dots-per-inch (pixel per inch). To create an 800x400 pixel, 100 dots-per-inch figure, we can do: " ] }, { "cell_type": "code", "execution_count": 10, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure(figsize=(8, 4), dpi=100)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The same arguments can also be passed to layout managers, such as the `subplots` function:" ] }, { "cell_type": "code", "execution_count": 11, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.453775\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(figsize=(12, 3))\n", "\n", "axes.plot(x, y, 'r')\n", "axes.set_xlabel('x')\n", "axes.set_ylabel('y')\n", "axes.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Saving figures" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "To save a figure to a file we can use the `savefig` method in the `Figure` class:" ] }, { "cell_type": "code", "execution_count": 12, "metadata": {}, "outputs": [], "source": [ "fig.savefig(\"filename.png\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Here we can also optionally specify the DPI and choose between different output formats:" ] }, { "cell_type": "code", "execution_count": 13, "metadata": {}, "outputs": [], "source": [ "fig.savefig(\"filename.png\", dpi=200)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Or save as pdf:" ] }, { "cell_type": "code", "execution_count": 14, "metadata": {}, "outputs": [], "source": [ "fig.savefig(\"filename.pdf\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### What formats are available and which ones should be used for best quality?" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Matplotlib can generate high-quality output in a number formats, including PNG, JPG, EPS, SVG, PGF and PDF. For scientific papers, I recommend using PDF whenever possible. (LaTeX documents compiled with `pdflatex` can include PDFs using the `includegraphics` command). In some cases, PGF can also be good alternative." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Legends, labels and titles" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Now that we have covered the basics of how to create a figure canvas and add axes instances to the canvas, let's look at how decorate a figure with titles, axis labels, and legends." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Figure titles**\n", "\n", "A title can be added to each axis instance in a figure. To set the title, use the `set_title` method in the axes instance:" ] }, { "cell_type": "code", "execution_count": 15, "metadata": {}, "outputs": [], "source": [ "ax.set_title(\"title\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Axis labels**\n", "\n", "Similarly, with the methods `set_xlabel` and `set_ylabel`, we can set the labels of the X and Y axes:" ] }, { "cell_type": "code", "execution_count": 16, "metadata": {}, "outputs": [], "source": [ "ax.set_xlabel(\"x\")\n", "ax.set_ylabel(\"y\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Legends**\n", "\n", "Legends for curves in a figure can be added in two ways. One method is to use the `legend` method of the axis object and pass a list/tuple of legend texts for the previously defined curves:" ] }, { "cell_type": "code", "execution_count": 17, "metadata": {}, "outputs": [], "source": [ "ax.legend([\"curve1\", \"curve2\", \"curve3\"]);" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The method described above follows the MATLAB API. It is somewhat prone to errors and unflexible if curves are added to or removed from the figure (resulting in a wrongly labelled curve).\n", "\n", "A better method is to use the `label=\"label text\"` keyword argument when plots or other objects are added to the figure, and then using the `legend` method without arguments to add the legend to the figure: " ] }, { "cell_type": "code", "execution_count": 18, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "" ] }, "execution_count": 18, "metadata": {}, "output_type": "execute_result" }, { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.838284\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "ax.plot(x, x**2, label=\"curve1\")\n", "ax.plot(x, x**3, label=\"curve2\")\n", "ax.legend()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The advantage with this method is that if curves are added or removed from the figure, the legend is automatically updated accordingly.\n", "\n", "The `legend` function takes an optional keyword argument `loc` that can be used to specify where in the figure the legend is to be drawn. The allowed values of `loc` are numerical codes for the various places the legend can be drawn. See http://matplotlib.org/users/legend_guide.html#legend-location for details. Some of the most common `loc` values are:" ] }, { "cell_type": "code", "execution_count": 19, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "" ] }, "execution_count": 19, "metadata": {}, "output_type": "execute_result" } ], "source": [ "ax.legend(loc=0) # let matplotlib decide the optimal location\n", "ax.legend(loc=1) # upper right corner\n", "ax.legend(loc=2) # upper left corner\n", "ax.legend(loc=3) # lower left corner\n", "ax.legend(loc=4) # lower right corner\n", "# .. many more options are available" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The following figure shows how to use the figure title, axis labels and legends described above:" ] }, { "cell_type": "code", "execution_count": 20, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:00.928001\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x**2, label=\"y = x**2\")\n", "ax.plot(x, x**3, label=\"y = x**3\")\n", "ax.legend(loc=2); # upper left corner\n", "ax.set_xlabel('x')\n", "ax.set_ylabel('y')\n", "ax.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Formatting text: LaTeX, fontsize, font family" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The figure above is functional, but it does not (yet) satisfy the criteria for a figure used in a publication. First and foremost, we need to have LaTeX formatted text, and second, we need to be able to adjust the font size to appear right in a publication.\n", "\n", "Matplotlib has great support for LaTeX. All we need to do is to use dollar signs encapsulate LaTeX in any text (legend, title, label, etc.). For example, `\"$y=x^3$\"`.\n", "\n", "But here we can run into a slightly subtle problem with LaTeX code and Python text strings. In LaTeX, we frequently use the backslash in commands, for example `\\alpha` to produce the symbol $\\alpha$. But the backslash already has a meaning in Python strings (the escape code character). To avoid Python messing up our latex code, we need to use \"raw\" text strings. Raw text strings are prepended with an '`r`', like `r\"\\alpha\"` or `r'\\alpha'` instead of `\"\\alpha\"` or `'\\alpha'`:" ] }, { "cell_type": "code", "execution_count": 21, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.155012\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x**2, label=r\"$y = \\alpha^2$\")\n", "ax.plot(x, x**3, label=r\"$y = \\alpha^3$\")\n", "ax.legend(loc=2) # upper left corner\n", "ax.set_xlabel(r'$\\alpha$', fontsize=18)\n", "ax.set_ylabel(r'$y$', fontsize=18)\n", "ax.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "We can also change the global font size and font family, which applies to all text elements in a figure (tick labels, axis labels and titles, legends, etc.):" ] }, { "cell_type": "code", "execution_count": 22, "metadata": {}, "outputs": [], "source": [ "# Update the matplotlib configuration parameters:\n", "matplotlib.rcParams.update({'font.size': 18, 'font.family': 'serif'})" ] }, { "cell_type": "code", "execution_count": 23, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.270719\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x**2, label=r\"$y = \\alpha^2$\")\n", "ax.plot(x, x**3, label=r\"$y = \\alpha^3$\")\n", "ax.legend(loc=2) # upper left corner\n", "ax.set_xlabel(r'$\\alpha$')\n", "ax.set_ylabel(r'$y$')\n", "ax.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "A good choice of global fonts are the STIX fonts: " ] }, { "cell_type": "code", "execution_count": 24, "metadata": {}, "outputs": [], "source": [ "# Update the matplotlib configuration parameters:\n", "matplotlib.rcParams.update({'font.size': 18, 'font.family': 'STIXGeneral', 'mathtext.fontset': 'stix'})" ] }, { "cell_type": "code", "execution_count": 25, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.463808\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x**2, label=r\"$y = \\alpha^2$\")\n", "ax.plot(x, x**3, label=r\"$y = \\alpha^3$\")\n", "ax.legend(loc=2) # upper left corner\n", "ax.set_xlabel(r'$\\alpha$')\n", "ax.set_ylabel(r'$y$')\n", "ax.set_title('title');" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Or, alternatively, we can request that matplotlib uses LaTeX to render the text elements in the figure:" ] }, { "cell_type": "code", "execution_count": 26, "metadata": {}, "outputs": [], "source": [ "matplotlib.rcParams.update({'font.size': 18, 'text.usetex': True})" ] }, { "cell_type": "code", "execution_count": 27, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.756990\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x**2, label=r\"$y = \\alpha^2$\")\n", "ax.plot(x, x**3, label=r\"$y = \\alpha^3$\")\n", "ax.legend(loc=2) # upper left corner\n", "ax.set_xlabel(r'$\\alpha$')\n", "ax.set_ylabel(r'$y$')\n", "ax.set_title('title');" ] }, { "cell_type": "code", "execution_count": 28, "metadata": {}, "outputs": [], "source": [ "# restore\n", "matplotlib.rcParams.update({'font.size': 12, 'font.family': 'sans', 'text.usetex': False})" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Change figure size to make font larger\n", "\n", "Instead of changing the font size, we can also make the overall figure smaller (for publication purposes), and then save a pdf file (or some scalable vector format) or use high resolution bitmap formats:" ] }, { "cell_type": "code", "execution_count": 29, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.895718\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(figsize=(4, 2))\n", "\n", "ax.plot(x, x**2, label=r\"$y = \\alpha^2$\")\n", "ax.plot(x, x**3, label=r\"$y = \\alpha^3$\")\n", "ax.set_xlabel(r'$\\alpha$')\n", "ax.set_ylabel(r'$y$')\n", "ax.set_title('title')\n", "ax.legend(loc=2); # upper left corner" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Setting colors, linewidths, linetypes" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Colors" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "With matplotlib, we can define the colors of lines and other graphical elements in a number of ways. First of all, we can use the MATLAB-like syntax where `'b'` means blue, `'g'` means green, etc. The MATLAB API for selecting line styles are also supported: where, for example, 'b.-' means a blue line with dots:" ] }, { "cell_type": "code", "execution_count": 30, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[]" ] }, "execution_count": 30, "metadata": {}, "output_type": "execute_result" }, { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:01.956861\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(figsize=(4, 2))\n", "\n", "# MATLAB style line color and style \n", "ax.plot(x, x**2, 'b.-') # blue line with dots\n", "ax.plot(x, x**3, 'g--') # green dashed line" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "We can also define colors by their names or RGB hex codes and optionally provide an alpha value using the `color` and `alpha` keyword arguments:" ] }, { "cell_type": "code", "execution_count": 31, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[]" ] }, "execution_count": 31, "metadata": {}, "output_type": "execute_result" }, { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.055249\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(x, x+1, color=\"red\", alpha=0.5) # half-transparant red\n", "ax.plot(x, x+2, color=\"#1155dd\") # RGB hex code for a bluish color\n", "ax.plot(x, x+3, color=\"#15cc55\") # RGB hex code for a greenish color" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Line and marker styles" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "To change the line width, we can use the `linewidth` or `lw` keyword argument. The line style can be selected using the `linestyle` or `ls` keyword arguments:" ] }, { "cell_type": "code", "execution_count": 32, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.125731\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(figsize=(12,6))\n", "\n", "ax.plot(x, x+1, color=\"blue\", linewidth=0.25)\n", "ax.plot(x, x+2, color=\"blue\", linewidth=0.50)\n", "ax.plot(x, x+3, color=\"blue\", linewidth=1.00)\n", "ax.plot(x, x+4, color=\"blue\", linewidth=2.00)\n", "\n", "# possible linestype options ‘-‘, ‘--’, ‘-.’, ‘:’, ‘steps’\n", "ax.plot(x, x+5, color=\"red\", lw=2, linestyle='-')\n", "ax.plot(x, x+6, color=\"red\", lw=2, ls='-.')\n", "ax.plot(x, x+7, color=\"red\", lw=2, ls=':')\n", "\n", "# custom dash\n", "line, = ax.plot(x, x+8, color=\"black\", lw=1.50)\n", "line.set_dashes([5, 10, 15, 10]) # format: line length, space length, ...\n", "\n", "# possible marker symbols: marker = '+', 'o', '*', 's', ',', '.', '1', '2', '3', '4', ...\n", "ax.plot(x, x+ 9, color=\"green\", lw=2, ls='--', marker='+')\n", "ax.plot(x, x+10, color=\"green\", lw=2, ls='--', marker='o')\n", "ax.plot(x, x+11, color=\"green\", lw=2, ls='--', marker='s')\n", "ax.plot(x, x+12, color=\"green\", lw=2, ls='--', marker='1')\n", "\n", "# marker size and color\n", "ax.plot(x, x+13, color=\"purple\", lw=1, ls='-', marker='o', markersize=2)\n", "ax.plot(x, x+14, color=\"purple\", lw=1, ls='-', marker='o', markersize=4)\n", "ax.plot(x, x+15, color=\"purple\", lw=1, ls='-', marker='o', markersize=8, markerfacecolor=\"red\")\n", "ax.plot(x, x+16, color=\"purple\", lw=1, ls='-', marker='s', markersize=8, \n", " markerfacecolor=\"yellow\", markeredgewidth=2, markeredgecolor=\"blue\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Control over axis appearance" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The appearance of the axes is an important aspect of a figure that we often need to modify to make a publication quality graphics. We need to be able to control where the ticks and labels are placed, modify the font size and possibly the labels used on the axes. In this section we will look at controling those properties in a matplotlib figure." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Plot range" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The first thing we might want to configure is the ranges of the axes. We can do this using the `set_ylim` and `set_xlim` methods in the axis object, or `axis('tight')` for automatrically getting \"tightly fitted\" axes ranges:" ] }, { "cell_type": "code", "execution_count": 33, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.274079\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(1, 3, figsize=(12, 4))\n", "\n", "axes[0].plot(x, x**2, x, x**3)\n", "axes[0].set_title(\"default axes ranges\")\n", "\n", "axes[1].plot(x, x**2, x, x**3)\n", "axes[1].axis('tight')\n", "axes[1].set_title(\"tight axes\")\n", "\n", "axes[2].plot(x, x**2, x, x**3)\n", "axes[2].set_ylim([0, 60])\n", "axes[2].set_xlim([2, 5])\n", "axes[2].set_title(\"custom axes range\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Logarithmic scale" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "It is also possible to set a logarithmic scale for one or both axes. This functionality is in fact only one application of a more general transformation system in Matplotlib. Each of the axes' scales are set seperately using `set_xscale` and `set_yscale` methods which accept one parameter (with the value \"log\" in this case):" ] }, { "cell_type": "code", "execution_count": 34, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.491470\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(1, 2, figsize=(10,4))\n", " \n", "axes[0].plot(x, x**2, x, np.exp(x))\n", "axes[0].set_title(\"Normal scale\")\n", "\n", "axes[1].plot(x, x**2, x, np.exp(x))\n", "axes[1].set_yscale(\"log\")\n", "axes[1].set_title(\"Logarithmic scale (y)\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Placement of ticks and custom tick labels" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "We can explicitly determine where we want the axis ticks with `set_xticks` and `set_yticks`, which both take a list of values for where on the axis the ticks are to be placed. We can also use the `set_xticklabels` and `set_yticklabels` methods to provide a list of custom text labels for each tick location:" ] }, { "cell_type": "code", "execution_count": 35, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.601778\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(figsize=(10, 4))\n", "\n", "ax.plot(x, x**2, x, x**3, lw=2)\n", "\n", "ax.set_xticks([1, 2, 3, 4, 5])\n", "ax.set_xticklabels([r'$\\alpha$', r'$\\beta$', r'$\\gamma$', r'$\\delta$', r'$\\epsilon$'], fontsize=18)\n", "\n", "yticks = [0, 50, 100, 150]\n", "ax.set_yticks(yticks)\n", "ax.set_yticklabels([\"$%.1f$\" % y for y in yticks], fontsize=18); # use LaTeX formatted labels" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "There are a number of more advanced methods for controlling major and minor tick placement in matplotlib figures, such as automatic placement according to different policies. See http://matplotlib.org/api/ticker_api.html for details." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Scientific notation" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "With large numbers on axes, it is often better use scientific notation:" ] }, { "cell_type": "code", "execution_count": 36, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.745175\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(1, 1)\n", " \n", "ax.plot(x, x**2, x, np.exp(x))\n", "ax.set_title(\"scientific notation\")\n", "\n", "ax.set_yticks([0, 50, 100, 150])\n", "\n", "from matplotlib import ticker\n", "formatter = ticker.ScalarFormatter(useMathText=True)\n", "formatter.set_scientific(True) \n", "formatter.set_powerlimits((-1, 1)) \n", "ax.yaxis.set_major_formatter(formatter) " ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Axis number and axis label spacing" ] }, { "cell_type": "code", "execution_count": 37, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.815394\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# distance between x and y axis and the numbers on the axes\n", "matplotlib.rcParams['xtick.major.pad'] = 5\n", "matplotlib.rcParams['ytick.major.pad'] = 5\n", "\n", "fig, ax = plt.subplots(1, 1)\n", " \n", "ax.plot(x, x**2, x, np.exp(x))\n", "ax.set_yticks([0, 50, 100, 150])\n", "\n", "ax.set_title(\"label and axis spacing\")\n", "\n", "# padding between axis label and axis numbers\n", "ax.xaxis.labelpad = 5\n", "ax.yaxis.labelpad = 5\n", "\n", "ax.set_xlabel(\"x\")\n", "ax.set_ylabel(\"y\");" ] }, { "cell_type": "code", "execution_count": 38, "metadata": {}, "outputs": [], "source": [ "# restore defaults\n", "matplotlib.rcParams['xtick.major.pad'] = 3\n", "matplotlib.rcParams['ytick.major.pad'] = 3" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Axis position adjustments" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Unfortunately, when saving figures the labels are sometimes clipped, and it can be necessary to adjust the positions of axes a little bit. This can be done using `subplots_adjust`:" ] }, { "cell_type": "code", "execution_count": 39, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.882029\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(1, 1)\n", " \n", "ax.plot(x, x**2, x, np.exp(x))\n", "ax.set_yticks([0, 50, 100, 150])\n", "\n", "ax.set_title(\"title\")\n", "ax.set_xlabel(\"x\")\n", "ax.set_ylabel(\"y\")\n", "\n", "fig.subplots_adjust(left=0.15, right=.9, bottom=0.1, top=0.9);" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Axis grid" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "With the `grid` method in the axis object, we can turn on and off grid lines. We can also customize the appearance of the grid lines using the same keyword arguments as the `plot` function:" ] }, { "cell_type": "code", "execution_count": 40, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:02.978002\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(1, 2, figsize=(10, 3))\n", "\n", "# default grid appearance\n", "axes[0].plot(x, x**2, x, x**3, lw=2)\n", "axes[0].grid(True)\n", "\n", "# custom grid appearance\n", "axes[1].plot(x, x**2, x, x**3, lw=2)\n", "axes[1].grid(color='b', alpha=0.5, linestyle='dashed', linewidth=0.5)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Axis spines" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "We can also change the properties of axis spines:" ] }, { "cell_type": "code", "execution_count": 41, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.044174\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(figsize=(6, 2))\n", "\n", "ax.spines['bottom'].set_color('blue')\n", "ax.spines['top'].set_color('green')\n", "\n", "ax.spines['left'].set_color('red')\n", "ax.spines['left'].set_linewidth(2)\n", "\n", "# turn off axis spine to the right\n", "ax.spines['right'].set_color(\"none\")\n", "ax.yaxis.tick_left() # only ticks on the left side" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Twin axes" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Sometimes it is useful to have dual x or y axes in a figure; for example, when plotting curves with different units together. Matplotlib supports this with the `twinx` and `twiny` functions:" ] }, { "cell_type": "code", "execution_count": 42, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.179106\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax1 = plt.subplots()\n", "\n", "ax1.plot(x, x**2, lw=2, color=\"blue\")\n", "ax1.set_ylabel(r\"area $(m^2)$\", fontsize=18, color=\"blue\")\n", "for label in ax1.get_yticklabels():\n", " label.set_color(\"blue\")\n", " \n", "ax2 = ax1.twinx()\n", "ax2.plot(x, x**3, lw=2, color=\"red\")\n", "ax2.set_ylabel(r\"volume $(m^3)$\", fontsize=18, color=\"red\")\n", "for label in ax2.get_yticklabels():\n", " label.set_color(\"red\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Axes where x and y is zero" ] }, { "cell_type": "code", "execution_count": 43, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.258066\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.spines['right'].set_color('none')\n", "ax.spines['top'].set_color('none')\n", "\n", "ax.xaxis.set_ticks_position('bottom')\n", "ax.spines['bottom'].set_position(('data',0)) # set position of x spine to x=0\n", "\n", "ax.yaxis.set_ticks_position('left')\n", "ax.spines['left'].set_position(('data',0)) # set position of y spine to y=0\n", "\n", "xx = np.linspace(-0.75, 1., 100)\n", "ax.plot(xx, xx**3);" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Other 2D plot styles" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "In addition to the regular `plot` method, there are a number of other functions for generating different kind of plots. See the matplotlib plot gallery for a complete list of available plot types: http://matplotlib.org/gallery.html. Some of the more useful ones are show below:" ] }, { "cell_type": "code", "execution_count": 44, "metadata": {}, "outputs": [], "source": [ "n = np.array([0, 1, 2, 3, 4, 5])" ] }, { "cell_type": "code", "execution_count": 45, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.451943\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, axes = plt.subplots(1, 4, figsize=(12, 3))\n", "\n", "axes[0].scatter(xx, xx + 0.25*np.random.randn(len(xx)))\n", "axes[0].set_title(\"scatter\")\n", "\n", "axes[1].step(n, n**2, lw=2)\n", "axes[1].set_title(\"step\")\n", "\n", "axes[2].bar(n, n**2, align=\"center\", width=0.5, alpha=0.5)\n", "axes[2].set_title(\"bar\")\n", "\n", "axes[3].fill_between(x, x**2, x**3, color=\"green\", alpha=0.5);\n", "axes[3].set_title(\"fill_between\");" ] }, { "cell_type": "code", "execution_count": 46, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.594664\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# polar plot using add_axes and polar projection\n", "fig = plt.figure()\n", "ax = fig.add_axes([0.0, 0.0, .6, .6], polar=True)\n", "t = np.linspace(0, 2 * np.pi, 100)\n", "ax.plot(t, t, color='blue', lw=3);" ] }, { "cell_type": "code", "execution_count": 47, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.766989\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# A histogram\n", "n = np.random.randn(100000)\n", "fig, axes = plt.subplots(1, 2, figsize=(12, 4))\n", "\n", "axes[0].hist(n)\n", "axes[0].set_title(\"Default histogram\")\n", "axes[0].set_xlim((min(n), max(n)))\n", "\n", "axes[1].hist(n, cumulative=True, bins=50)\n", "axes[1].set_title(\"Cumulative detailed histogram\")\n", "axes[1].set_xlim((min(n), max(n)));" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Text annotation" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Annotating text in matplotlib figures can be done using the `text` function. It supports LaTeX formatting just like axis label texts and titles:" ] }, { "cell_type": "code", "execution_count": 48, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:03.871418\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(xx, xx**2, xx, xx**3)\n", "\n", "ax.text(0.15, 0.2, r\"$y=x^2$\", fontsize=20, color=\"blue\")\n", "ax.text(0.65, 0.1, r\"$y=x^3$\", fontsize=20, color=\"green\");" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Figures with multiple subplots and insets" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Axes can be added to a matplotlib Figure canvas manually using `fig.add_axes` or using a sub-figure layout manager such as `subplots`, `subplot2grid`, or `gridspec`:" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### subplots" ] }, { "cell_type": "code", "execution_count": 49, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:04.091446\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots(2, 3)\n", "fig.tight_layout()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### subplot2grid" ] }, { "cell_type": "code", "execution_count": 50, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:04.303055\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure()\n", "ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)\n", "ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)\n", "ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)\n", "ax4 = plt.subplot2grid((3, 3), (2, 0))\n", "ax5 = plt.subplot2grid((3, 3), (2, 1))\n", "fig.tight_layout()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### gridspec" ] }, { "cell_type": "code", "execution_count": 51, "metadata": {}, "outputs": [], "source": [ "import matplotlib.gridspec as gridspec" ] }, { "cell_type": "code", "execution_count": 52, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:04.590383\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure()\n", "\n", "gs = gridspec.GridSpec(2, 3, height_ratios=[2,1], width_ratios=[1,2,1])\n", "for g in gs:\n", " ax = fig.add_subplot(g)\n", " \n", "fig.tight_layout()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### add_axes" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Manually adding axes with `add_axes` is useful for adding insets to figures:" ] }, { "cell_type": "code", "execution_count": 53, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:04.722776\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "ax.plot(xx, xx**2, xx, xx**3)\n", "fig.tight_layout()\n", "\n", "# inset\n", "inset_ax = fig.add_axes([0.3, 0.52, 0.35, 0.35]) # X, Y, width, height\n", "\n", "inset_ax.plot(xx, xx**2, xx, xx**3)\n", "inset_ax.set_title('zoom near origin')\n", "\n", "# set axis range\n", "inset_ax.set_xlim(-.2, .2)\n", "inset_ax.set_ylim(-.005, .01)\n", "\n", "# set axis tick locations\n", "inset_ax.set_yticks([0, 0.005, 0.01])\n", "inset_ax.set_xticks([-0.1,0,.1]);" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Colormap and contour figures" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Colormaps and contour figures are useful for plotting functions of two variables. In most of these functions we will use a colormap to encode one dimension of the data. There are a number of predefined colormaps. It is relatively straightforward to define custom colormaps. For a list of pre-defined colormaps, see: http://www.scipy.org/Cookbook/Matplotlib/Show_colormaps" ] }, { "cell_type": "code", "execution_count": 54, "metadata": {}, "outputs": [], "source": [ "alpha = 0.7\n", "phi_ext = 2 * np.pi * 0.5\n", "\n", "def flux_qubit_potential(phi_m, phi_p):\n", " return 2 + alpha - 2 * np.cos(phi_p) * np.cos(phi_m) - alpha * np.cos(phi_ext - 2*phi_p)" ] }, { "cell_type": "code", "execution_count": 55, "metadata": {}, "outputs": [], "source": [ "phi_m = np.linspace(0, 2*np.pi, 100)\n", "phi_p = np.linspace(0, 2*np.pi, 100)\n", "X,Y = np.meshgrid(phi_p, phi_m)\n", "Z = flux_qubit_potential(X, Y).T" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### pcolor" ] }, { "cell_type": "code", "execution_count": 56, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:04.871023\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "p = ax.pcolor(X/(2*np.pi), Y/(2*np.pi), Z, cmap=matplotlib.cm.RdBu, \n", " vmin=abs(Z).min(), vmax=abs(Z).max(), shading='auto')\n", "cb = fig.colorbar(p, ax=ax)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### imshow" ] }, { "cell_type": "code", "execution_count": 57, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:05.374449\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "im = ax.imshow(Z, cmap=matplotlib.cm.RdBu, vmin=abs(Z).min(), vmax=abs(Z).max(), extent=[0, 1, 0, 1])\n", "im.set_interpolation('bilinear') # results in smoother transition than pcolor\n", "\n", "\n", "cb = fig.colorbar(im, ax=ax)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### contour" ] }, { "cell_type": "code", "execution_count": 58, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:05.554084\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig, ax = plt.subplots()\n", "\n", "cnt = ax.contour(Z, cmap=matplotlib.cm.RdBu, vmin=abs(Z).min(), vmax=abs(Z).max(), extent=[0, 1, 0, 1])" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## 3D figures" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "To use 3D graphics in matplotlib, we first need to create an instance of the `Axes3D` class. 3D axes can be added to a matplotlib figure canvas in exactly the same way as 2D axes; or, more conveniently, by passing a `projection='3d'` keyword argument to the `add_axes` or `add_subplot` methods." ] }, { "cell_type": "code", "execution_count": 59, "metadata": {}, "outputs": [], "source": [ "from mpl_toolkits.mplot3d.axes3d import Axes3D" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Surface plots" ] }, { "cell_type": "code", "execution_count": 60, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:06.071622\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure(figsize=(14,6))\n", "\n", "# `ax` is a 3D-aware axis instance because of the projection='3d' keyword argument to add_subplot\n", "ax = fig.add_subplot(1, 2, 1, projection='3d')\n", "\n", "p = ax.plot_surface(X, Y, Z, rstride=4, cstride=4, linewidth=0)\n", "\n", "# surface_plot with color grading and color bar\n", "ax = fig.add_subplot(1, 2, 2, projection='3d')\n", "p = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=matplotlib.cm.coolwarm, linewidth=0, antialiased=False)\n", "cb = fig.colorbar(p, shrink=0.5)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Wire-frame plot" ] }, { "cell_type": "code", "execution_count": 61, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:06.713910\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure(figsize=(8,6))\n", "\n", "ax = fig.add_subplot(1, 1, 1, projection='3d')\n", "\n", "p = ax.plot_wireframe(X, Y, Z, rstride=4, cstride=4)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Coutour plots with projections" ] }, { "cell_type": "code", "execution_count": 62, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:06.839554\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure(figsize=(8,6))\n", "\n", "ax = fig.add_subplot(1,1,1, projection='3d')\n", "\n", "ax.plot_surface(X, Y, Z, rstride=4, cstride=4, alpha=0.25)\n", "cset = ax.contour(X, Y, Z, zdir='z', offset=-np.pi, cmap=matplotlib.cm.coolwarm)\n", "cset = ax.contour(X, Y, Z, zdir='x', offset=-np.pi, cmap=matplotlib.cm.coolwarm)\n", "cset = ax.contour(X, Y, Z, zdir='y', offset=3*np.pi, cmap=matplotlib.cm.coolwarm)\n", "\n", "ax.set_xlim3d(-np.pi, 2*np.pi);\n", "ax.set_ylim3d(0, 3*np.pi);\n", "ax.set_zlim3d(-np.pi, 2*np.pi);" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Change the view angle" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "We can change the perspective of a 3D plot using the `view_init` method, which takes two arguments: `elevation` and `azimuth` angle (in degrees):" ] }, { "cell_type": "code", "execution_count": 63, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", "\n", "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:07.078103\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "\n" ], "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "fig = plt.figure(figsize=(12,6))\n", "\n", "ax = fig.add_subplot(1,2,1, projection='3d')\n", "ax.plot_surface(X, Y, Z, rstride=4, cstride=4, alpha=0.25)\n", "ax.view_init(30, 45)\n", "\n", "ax = fig.add_subplot(1,2,2, projection='3d')\n", "ax.plot_surface(X, Y, Z, rstride=4, cstride=4, alpha=0.25)\n", "ax.view_init(70, 30)\n", "\n", "fig.tight_layout()" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Backends" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Matplotlib has a number of \"backends\" which are responsible for rendering graphs. The different backends are able to generate graphics with different formats and display/event loops. There is a distinction between noninteractive backends (such as 'agg', 'svg', 'pdf', etc.) that are only used to generate image files (e.g. with the `savefig` function), and interactive backends (such as Qt4Agg, GTK, MaxOSX) that can display a GUI window for interactively exploring figures. \n", "\n", "A list of available backends are:" ] }, { "cell_type": "code", "execution_count": 64, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "['gtk3agg', 'gtk3cairo', 'gtk4agg', 'gtk4cairo', 'macosx', 'nbagg', 'notebook', 'qtagg', 'qtcairo', 'qt5agg', 'qt5cairo', 'tkagg', 'tkcairo', 'webagg', 'wx', 'wxagg', 'wxcairo', 'agg', 'cairo', 'pdf', 'pgf', 'ps', 'svg', 'template']\n" ] } ], "source": [ "print(matplotlib.backends.backend_registry.list_builtin())" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The default backend, called `agg`, is based on a library for raster graphics which is great for generating raster formats like PNG.\n", "\n", "Normally we don't need to bother with changing the default backend; but sometimes it can be useful to switch to, for example, PDF or GTKCairo (if you are using Linux) to produce high-quality vector graphics instead of raster based graphics. " ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Generating SVG with the svg backend" ] }, { "cell_type": "code", "execution_count": 65, "metadata": {}, "outputs": [], "source": [ "#\n", "# RESTART THE NOTEBOOK: the matplotlib backend can only be selected before pylab is imported!\n", "# (e.g. Kernel > Restart)\n", "# \n", "import matplotlib\n", "matplotlib.use('svg')\n", "import matplotlib.pylab as plt\n", "import numpy\n", "from IPython.display import Image, SVG" ] }, { "cell_type": "code", "execution_count": 66, "metadata": {}, "outputs": [], "source": [ "#\n", "# Now we are using the svg backend to produce SVG vector graphics\n", "#\n", "fig, ax = plt.subplots()\n", "t = numpy.linspace(0, 10, 100)\n", "ax.plot(t, numpy.cos(t)*numpy.sin(t))\n", "plt.savefig(\"test.svg\")" ] }, { "cell_type": "code", "execution_count": 67, "metadata": {}, "outputs": [ { "data": { "image/svg+xml": [ "\n", " \n", " \n", " \n", " \n", " 2024-11-20T14:53:07.280534\n", " image/svg+xml\n", " \n", " \n", " Matplotlib v3.9.2, https://matplotlib.org/\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "" ], "text/plain": [ "" ] }, "execution_count": 67, "metadata": {}, "output_type": "execute_result" } ], "source": [ "#\n", "# Show the produced SVG file. \n", "#\n", "SVG(filename=\"test.svg\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### The IPython notebook inline backend" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "When we use IPython notebook it is convenient to use a matplotlib backend that outputs the graphics embedded in the notebook file. To activate this backend, somewhere in the beginning on the notebook, we add:\n", "\n", " %matplotlib inline\n", "\n", "It is also possible to activate inline matplotlib plotting with:\n", "\n", " %pylab inline\n", "\n", "The difference is that `%pylab inline` imports a number of packages into the global address space (scipy, numpy), while `%matplotlib inline` only sets up inline plotting. In new notebooks created for IPython 1.0+, I would recommend using `%matplotlib inline`, since it is tidier and you have more control over which packages are imported and how. Commonly, scipy and numpy are imported separately with:\n", "\n", " import numpy as np\n", " import scipy as sp\n", " import matplotlib.pyplot as plt" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "The inline backend has a number of configuration options that can be set by using the IPython magic command `%config` to update settings in `InlineBackend`. For example, we can switch to SVG figures or higher resolution figures with either:\n", "\n", " %config InlineBackend.figure_format='svg'\n", " \n", "or:\n", "\n", " %config InlineBackend.figure_format='retina'\n", " \n", "For more information, type:\n", "\n", " %config InlineBackend" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "#### Interactive plots in notebook - may require a notebook restart (and may not work on JupyterLite)" ] }, { "cell_type": "code", "execution_count": 68, "metadata": {}, "outputs": [], "source": [ "%matplotlib ipympl" ] }, { "cell_type": "code", "execution_count": 69, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[]" ] }, "execution_count": 69, "metadata": {}, "output_type": "execute_result" }, { "data": { "application/vnd.jupyter.widget-view+json": { "model_id": "27e0da6180f74963bb5cdf023eb71b2a", "version_major": 2, "version_minor": 0 }, "image/png": "iVBORw0KGgoAAAANSUhEUgAAAoAAAAHgCAYAAAA10dzkAAAAOXRFWHRTb2Z0d2FyZQBNYXRwbG90bGliIHZlcnNpb24zLjkuMiwgaHR0cHM6Ly9tYXRwbG90bGliLm9yZy8hTgPZAAAACXBIWXMAAA9hAAAPYQGoP6dpAABrjUlEQVR4nO3deXxc5Xk3/N+ZfaTRvtlja7EtG+82i2NIkwBhCdCSgFMH/JA0MZCFJg2kDUkoKU4a8hD6JGlo3zdpwhLM69o8TYEmEJuGgCGhBLPZYOMF27IWW7ItaSSNRqPZz/vHzH1mhGVby8ycc+7z+34++gOhGd2Wjs657uu+7utWVFVVQURERESWYdN7AERERERUXAwAiYiIiCyGASARERGRxTAAJCIiIrIYBoBEREREFsMAkIiIiMhiGAASERERWQwDQCIiIiKLYQBIREREZDEMAImIiIgshgEgERERkcUwACQiIiKyGAaARERERBbDAJCIiIjIYhgAEhEREVkMA0AiIiIii2EASERERGQxDACJiIiILIYBIBEREZHFMAAkIiIishgGgEREREQWwwCQiIiIyGIYABIRERFZDANAIiIiIothAEhERERkMQwAiYiIiCyGASARERGRxTAAJCIiIrIYBoBEREREFsMAkIiIiMhiGAASERERWQwDQCIiIiKLYQBIREREZDEMAImIiIgshgEgERERkcUwACQiIiKyGAaARERERBbDAJCIiIjIYhgAEhEREVkMA0AiIiIii2EASERERGQxDACJiIiILIYBIBEREZHFMAAkIiIishgGgEREREQWwwCQiIiIyGIYABIRERFZDANAIiIiIothAEhERERkMQwAiYiIiCyGASARERGRxTAAJCIiIrIYBoBEREREFsMAkIiIiMhiGAASERERWQwDQCIiIiKLceg9ADNLpVLo7u5GWVkZFEXRezhEREQ0AaqqYnh4GH6/HzabNXNhDACnobu7G42NjXoPg4iIiKagq6sLs2fP1nsYumAAOA1lZWUA0hdQeXm5zqMhIiKiiQgGg2hsbNSe41bEAHAaxLJveXk5A0AiIiKTsXL5ljUXvomIiIgsjAEgERERkcUwACQiIiKyGAaARERERBbDAJCIiIjIYhgAEhEREVkMA0AiIiIii2EASERERGQxDACJiIiILIYBIBEREZHFMAAkIiIishgGgEREREQWwwCQzioST+K37/TglUN9eg+FTCKVUvHrXcfwby8dRiyR0ns4ZBKvHO7D957Zi6MDYb2HQiQ9h94DIOPqCoTx7zs68R9vdCEwEoOiAA/ceC4+vsKv99DIwF5vD+B7z+zFO0eHAACvHO7Hv336PJS4eLuh8cUSKfzwdwfwiz+0AQCefOso/mXdufjw/DqdR0YkL0VVVVXvQZhVMBhERUUFhoaGUF5ervdw8qYrEMZ3fvMuXjhwEuLqKHM7MBxNwGFT8PDnVuHiBbwx01hdgTDu27YPW3cfBwD43A4kUypG40lc0FyFhz+3ChVep86jJKNp6w3hq4/vxJ5jQQDAzAoPeoYisCnA3115Dm67eB5sNkXnUZJsZH1+TwaXgGkMVVVx++M78fz+dPD34fm1+Plnzseb/3AFrl3hRyKl4kv/35t4q3NA76GSgbzRHsBlP34JW3cfh00B1n2gCdu/fgk23foBlHkceKNjAOt+8Sp6h6N6D5UM5FdvdOHP/+Vl7DkWRGWJEz//zPnY/vVLcMMFjUipwP/57wP44qY3EYzE9R4qkXSYAZwGGWcQv997Arc+9gY8Tht+/eUP4ZwZZdr/iyVSuPWxN/CH93pR4XXiV1+6CAsays7wbmQFqqriL//tT3izYwCrWqrwveuWYuGM7N/D3u4g/uqR19AXimJObSk23boasyq9Oo6YjGBHWz9u+MWrAIAPzqvBjz+1EjMqPNr/f/y1Ttzz63cRS6awbFYFfv3lP2MmkPJGxuf3ZDEDSJpUSsUPf3cAAPC5D84ZE/wBgMthw799+jyc21SJodE4PvPwDhZrE/50uB9vdgzA5bDh//1f540J/gBgsb8cv/rSRZhV6cWRvhHc8fhOnUZKRvJvLx0GAFx/7ixsumX1mOAPAG78QBN+9aWLUOZxYPexIbyw/6QewySSFgNA0vzm7W7sPz6MMo8Dt108b9yvKXE58MvPrcKCBh9OBKP4p2cPFHmUZDT/8sJBAMC6VY2oL/eM+zVzakvx+BcuhNOu4PX2Aew5NlTMIZLBvHdiGNsP9EJRgNsvm3/azN6Kxkr8r9VNAICHXm4r5hCJpMcAkACkl3d//Nx7AIAvXTwPFSWnL9avLHHhR2tXAgCe3XMcAyOxYgyRDOj19gBebQvAaVfwxdNMGoTG6hJctXQmAGDTqx3FGB4ZlNjte9WSGWipLT3j1372ohbYbQpebQtw4kCURwwACQDwH290oTMQRq3PjfV/1nLWr182uwJL/OWIJVN4cuexwg+QDOlfnk9n//7y/Eb4J1DX91cXNQMA/mvXMQyFWdhvRceHIvj1rvQ94wsfmXvWr/dXevHny9ITh0dePlLQsRFZCQNAwmgsqT3I/+ajrRPu13bjB9JLM//39U5wL5H17OwcwB8P9sFuU/DXl5w5+ydc0FyFhTPKEImn8Ks3uwo8QjKiR19pRzyp4gMt1Ti3qWpCr7n1w3MAAE+/040TwUghh0dkGQwACRv/1I6Tw1HMrvJiXSaom4hPrPTD47ThvRMhvNU5WLgBkiH96wuHAKSL+BurSyb0GkVR8JlMFnDTqx1IpThxsJJQNIF/35Fe/v/8BLJ/wvLZlfhASzXiSRWP/am9QKMjshYGgBYXiibwsxfTu/G+dvkCuBwTvyTKPU78+bL0qSCPv9ZZkPGRMe3J7Mq0KcCXL22d1GuvWzkLZW4H2vvDeJnHC1rK4691YjiSwLy6Uly2sH5Sr735Q+ks4L/v6MRoLFmI4RFZCgNAi9u+/ySGRuNorinBdefOmvTr132gEQDwzDs9GGazVsv418zO34+v8GPOWYr436/U7cAnz58NAHjsT9wMYhXxZEqr4fv8h+dOuqffFYsb0FRdgsFwHE+8dbQQQySyFAaAFvf8vhMAgKuWzoB9Ck1Wz2+uQmu9D6PxJH7zdne+h0cGFBiJ4bm96etmstk/4dMXppeBX9h/gr0kLeKZd7rRPRRBrc89pcmm3abg5swGtUdePsLyAaJpYgBoYYlkCtsP9AIALl/UMKX3UBQFN65KZwEff41F/Vbwh/d6kVKBhTPKMH+KJ8G01vvwZ601SKnpJT2S36ZX07/nz32wGR6nfUrvsfaCRpR5HGjrG8H2A2wMLbuhcByhaELvYUiLAaCFvdExgKHROKpKnDhvgrvxxnP9ubPgtCvYfWyIfbosQDx4L51kDdf7febCFgDA/329C9EEa7pkNjASw87M+eFi+X8qSt0OfOqCbNkJye2xP7Vj5Xd/hx/+Nw8cKAQGgBb2+8wy3qUL66e0/CvU+Ny4cskMAOmHOckrmVLx0nvprPFHpxkAXr6oHjMrPAiMxPDCPmZzZPbyoT6kVGBBgw8zK6Z3DrRYrfjjwT4uA0vuj4f6kEipaKgY/4Qhmh4GgBalqip+n6n/m+ryb651q9LtY/5r5zFE4szmyGpX1wAGw3FUeJ04t7FyWu/lsNtw1dL0xOGP3A0stT9kJg0XL6ib9nud11yJEpcdfaEo9h0PTvv9yJhGogkta/yR+bU6j0ZODAAt6nDvCNr7w3DZbfhIHm7KH5xXgxnlHgxHE3i9PZCHEZIRvbA/nan7yII6OOzTv318qDV9Y/8fBoDSUlUVfzgoAsDpZY0BwO2w48K5NQDSWUCS044j/YgnVTRWe9FcM7lOAzQxDAAtSuz+XT23Gj73xE7+OBObTcEHW9M35VcO90/7/ciYtu9PP8gvPWf6kwYAWD23Bnabgo7+MLoC3A0sowMnhnEiGIXHacMFLVOvNc4lMkIis0jyEcH9h1rzc6+hUzEAtCix/HvF4ukv/wofnJe+Kf+JAaCUjg9FsLcnCEXJz1IeAPjcDm0pmVlAOb2U6TRw0dyaKe/+fb8PZ66/N9oHEI5xl6iMXs4EgB/m8m/BMAC0oMBIDG92pGsrplvIn+uieekM4DtHBxFkU2jpvJjZ/btidiVqfO68ve+fZZaBeSqInMTybz5KTYS5taWYVelFLJnCjjaWnMjm+FAEB0+GoCjp8iIqDAaAFrR9/0mkVGDRzHLMrprYGa4TMavSi5aaEqRU4PUjvCnLRmv/ck7+Jg0A8KHMDP+Vw/3c1SmZcCyB14+kJ5v5yhoD6f6jH1mQWQY+yGVg2YjJ4PJZFagscek8GnkxALSg5/eL3b/5fZAD2Swg6wDlEk0ktSWZfGaNAWBlYyVKXXYERmLc1SmZV9v6EUum0FjtnfSRgWfzkfnpgJJ1gPJ5ORPUf4jLvwXFANBioomkVpOTj/Yv73cR6wCl9Eb7AEZiSdT63FjiL8/rezvtNqzO7OpkHaBcxL3mI/ProChT7zU6ng/Oq4VNSXc0ODY4mtf3Jv2oqoqXD6WfH9wAUlgMAC1mR1sAI7Ek6srcWDarIu/vf1HmQb63J4iBkVje35/0Idq/XHJOHWzTaBp+Otk6QE4cZPJSHvv/vV9FiRMrMxuI/sgsoDT2Hx9GXygKr9OO85or9R6O1BgAWozY/XvZwvqCPMjrytyYX+8DkF7+ITmI+r98L/8Koh/ga0f6eSycJDr6071GHTZFKw3Jtw9nloHZD1AeotRk9dxquB352TVO42MAaDEiKLskz4X8uT7IOkCpdPSPoK13BA6bUrCanAUNPtT63IjEU3irY7Ag34OKS9Tmnd9chTKPsyDfQ+wsfvlQH5LcQCQFcSqQmBRS4TAAtJBgJI6DJ0MAUNDUulYHyAygFLZnln8vaKlCeYEe5Iqi4EOtrAOUyUvvpX+PF+epafh4VsyuQJnHgaHRON45Oliw70PFEYkn8dqR9HNDZHepcEwdAIZCIdxxxx3w+/3weDxYuXIlHn/88Um/z7e//W0oioKlS5cWYJTG8U7XEFQVmF3lRX1Z4Q7XvnBuNRQFOHQyhJPBSMG+DxXH65mekYWekbMfoDxiiRT+dDj9e/xIAR/kDrtNuy7/8B6vG7N7q2MAkXgK9WVuLGjw6T0c6Zk6AFyzZg02btyIDRs2YNu2bVi1ahXWrVuHzZs3T/g9du3ahR/+8IdoaMj/jlijEQdrn9uUn+OYTqeyxIXFM9M7RZkFNL+3uwYBFP66EQHgO0cHMTTKRuJm9lZndte4uBcUSrYOkBtBzC53+Tffu8bpVKYNALdu3YrnnnsOP/3pT/HFL34Rl156KR588EFcccUVuPPOO5FMnr2QPJFIYP369fjiF7+IhQsXFmHU+topHuSZnXOFpNUBclenqfWFojg6MApFAZbNzv+u8Vz+Si/m1pUipXIDkdmJk4YunFtdkM1mucRRYTu7BhGK8lg4MxMbQNj/rzhMGwA+9dRT8Pl8WLt27ZjPr1+/Ht3d3dixY8dZ3+MHP/gBAoEAvv/97xdqmIahqip2aZmcyoJ/vw+yDlAKIvs3r85XsPq/XGI5j3WA5iaum5VFmGw2VpfAX+FBMqVi99Ghgn8/KozBcAx7utO/P24AKQ7TBoB79uzBokWL4HA4xnx++fLl2v8/k7179+Lee+/Fz372M/h88tcadAbCCIzE4LLbsDjPjXzHs2pONew2BZ2BMLoC4YJ/PyqMXUV8kAPZZWAGgOb2TiYQWz67sijfT3yf3ccGi/L9KP/ePpquUZ9TW4r68sLVqFOWaQPA/v5+VFdXn/J58bn+/tNnnlKpFG6++WasWbMG11xzzYS/ZzQaRTAYHPNhFjs7BwEAS2aVF6W3ks/twPLMkiGzgOYlAsAVRQoAL2hO1xke7h3BcIR1gGZ0MhjB8WAENgVYOqvwk00AWN6Yvte8zQygae3O7OJeXuBSE8oybQAI4IxFomf6fz/+8Y9x8OBB/OQnP5nU97vvvvtQUVGhfTQ2Nk7q9XrSNoA0FraQP5eoA3yV/QBNKZVSsxtAihQA1vjcmFXpBQDsOWaeCRZliSBsfn0ZSlyOs3x1fiyfVQkAbAVjYiJrXIgTqmh8pg0Aa2pqxs3yBQIBABg3OwgAnZ2duOeee7Bhwwa4XC4MDg5icHAQiUQCqVQKg4ODGB0d/1zJu+66C0NDQ9pHV1dX/v5BBbaziPV/wgXN6d/BO8c4Kzej9v4RBCMJuB02nDOjrGjfV2SN9vC6MaV3dMjkiA1KXYFRHkFpUruPFbdsgEwcAC5btgz79u1DIjF219fu3bsB4LQ9/dra2jA6Oorbb78dVVVV2sf//M//YN++faiqqsJdd9017mvdbjfKy8vHfJhBJJ7E3u50NqWYAeCSzIP8cG8II9ydZzpi+XfprAo47cW7VYgHACcO5lTssgEAqPA6Mae2FACvGzM6ORxBz1AEigIsKUKNOqWZNgC8/vrrEQqF8MQTT4z5/MaNG+H3+7F69epxX7dy5Ups3779lI8VK1agpaUF27dvx1e+8pVi/BOKZs+xISRSKurKsstrxVBf5kFDuRuqCuzr4XKe2Yjl3xVFnpEvzSwBMQNoPqqqapmcYl83Yunwncx1S+Yh/tZb63wodRenbIAA0/6kr776alxxxRW47bbbEAwG0draii1btuDZZ5/Fpk2bYLenNzrccsst2LhxIw4fPozm5mZUVlbikksuOeX9KisrkUgkxv1/Zic2gJzbWFn05ppL/RU4ETyJPceGcEHL+MvyZEzaDuAiZo2B7IP8SN8IgpF4UdrPUH50BsIYDMfhshe3bABILzn/5u1uZgBNSKv/4waQojJtBhAAnnzySXzmM5/BPffcg6uuugo7duzAli1bcNNNN2lfk0wmkUwmoarWPSh8Z1dxTgAZz5LMw3w3C/pNJRJPYm8ma7uyyJmc6lJXzkYQPszNRGwAWeQvh8tR3MeLWHLmRhDzEf0bl3MDSFGZOgD0+Xx44IEH0NPTg2g0irfffhs33njjmK959NFHoaoqWlpazvheL7744ll7B5qVlgEsciYHyGZz3u3mg9xM9vUEEU+qqC51obG6eGUDgthAwADQXN7RygaK/yBf4i+HTQFOBKM4wTPITUNVVS1ru4wbQIrK1AEgnV3P0Ch6htI9ufToryR2dB48GUIkfvbj+cgYduU8yPU4k1PUAb7Dvm6m8ra2A7iy6N+7xOXA/Pr0sjOvG/M4EYyidzgKu00p+LnRNBYDQMntymT/Fs4oL1pPrlwzyj2oKXUhmVKx//hw0b8/TU32KK/ilw0AzACaUSKZ0no3rmzUZylPXDdcBjYP8buaX++D11X4QwooiwGg5PTo/5dLURQtm7ObD3PTyLby0OdBvtSf/r7t/WEMjfJEEDM41BvCaDwJn9uBubX6HK+5PFMHyBNBzCPb/4/1f8XGAFBy2gkgOmwAEcQy8LsMAE1hMBxDe3/6/OZinQH8flU5tYe8bszhna7072nprHLYbMUvGwCymwh2Hx209MY/M+EJIPphACixeDKlza70ygAC2WzOHm4EMQWR/WupKUFliUu3cSxj5thURP1fsfv/5Vo4swxOu4KBcBxHB8Y/0YmMI7dvJDeAFB8DQIkdOD6MSDyV7pJfU6rbOMQS8IHjw4gmuBHE6N7OZHL0yv4Jy8T5rgwATUHPDSCC22HHosxGgrdZB2h4xwZHERiJwWFTsLDIfSOJAaDUROsVPZdkAGB2lRcVXifiSRUHT4R0GwdNzK5M38hiHuU1nmU8EcQ0IvEk9vekN3npXculZY5ZB2h44nd0zowyeJzcAFJsDAAlJnbdLpyh79b69EaQ9Bj4MDc2VVW1Anr9M4DpB3lHfxhDYW4EMbJ9PUEkUipqSl2YXVX8vpG5xBI0M4DG9w43gOiKAaDExIy82EcyjYd1gOaQuySzSOeeXBUlTjRVlwDgdWN0opB/uU59I3MtbxSZ4yBSKW4EMbLd2gaQSn0HYlEMACWlqioOnBAZQAMEgDwSzhTey1wz8+p8hliSWcaG0KZghPo/obXOB4/ThlA0gba+Eb2HQ6eRuwGEGUB9MACUVG8oisBIDDYFWnd8PYkAMH3EWErn0dDpiLIBI2SNgezh8CwdMDYRoOvVNzKXw27TVhzYENq4ugKjGBqNw2W3YUGDMe43VsMAUFIHMg/ylppSQ3RXb64ugc/tQCyRwuFebgQxqveMFgCyFYzhReJJtGX+ppf49Q8AgWwmkplj43rn2CAAYNHMMrgcDEX0wJ+6pA4Y7EFusylY4k/XlHF3nnEdyOzSNsqMXGRyOgNhDIZjOo+GxtPWO4KUClR4nagvc+s9HADQ7jX7j7PkxKi0+j8u/+qGAaCk9hloA4ggloHf7eZN2YjiyRQOn0wHgEaoGwXSG0GaazIbQVg/akiibvSchjLdN4AIYgLDtlPGJTZ2LTVI1tiKGABK6sCJ9MPSKA9yAGwFY3Ad/SOIJVMocdkxq1LfVh65xMSBO4GNSWw2WzBDn/N/x9Na74OiAP0jMfSFonoPh8bxXiY4N1KSwmoYAEoomco2XNa7B2AuUc+1tyeIJNszGI7YALKgoUzXxuHvt5DZHEN7L+e6MQqvy661EBIZSjKOwXAMvcPpwHy+ga4bq2EAKKH2/hFEEyl4ndmboBHMqfXB67QjHEviSB8f5kajbQAx2A15fkM6s3TwJB/kRvTeSeMFgEC2+4G4rsk4RPZvVqUXPrdD59FYFwNACYkG0AsafIbK5NhtChbOTN+U9/OmbDhGawEjzM/JALKxr7GMRBPoCowCMF4AeE5mSfq9k5xsGo3IyorJHemDAaCEDmR2vhntQQ4A8+sz2Rwu5xmOVsxvsOumuboELrsNo/Ekjg2O6j0cynEwE1zVlblRXerSeTRjiYCUGUDjOXjCmFljq2EAKKFsJsc49X+CWJY5xFm5oYzGkugIhAEYLwB02G2YW1cKgPVcRpOt/zNeJkcLAE8MQ1WZOTYSsQQsEgKkDwaAEhK78hYZ7EEOAK2s5zKkgyeHoapATakLtT5j9HLLpS0Dc+JgKO8ZOJMzt64UdpuCYCSBk8PcCWwkBw1aN2o1DAAlMxJNoKPfmJkcIDvjO9I3wiPhDMRojcPfb0HmumEG0FgOnDDmxiEAcDvsWg/JA1wGNozASAx9oXRT91ZmAHXFAFAy4gFZ63OjxoCZnFmVXpS67IgnVS1QJf0dMGArj1zz2QrGkLLF/Ma8bs7JWQYmYxC/i9lVXpRyB7CuGABKRjzIjdQAOpeiKNqs7xCXgQ3jgEE3gAiixuzQSe4ENoqhcBwngumlVSPWAALZwJQBoHFwA4hxMACUjFFbeeRqrWc2x2iMvgTclLMT+OgAdwIbgej/N6vSizKPU+fRjC+bAeS9xii0DSAGnTRYCQNAyYjDz42aAQSyf/jsz2UMAyMxrUjeqLPy3J3A3EBkDAcMvANYEGM7yJ3AhqFtHKo35r3GShgASkRV1ZwlYOO1gBGyvQD5IDeC3JocI3flX8BsjqEYeQew0FJbCqddwUiMPSSNQFVVU1w3VsEAUCK9w1EMhOOwKcZOr4tegG19I0hwJ7DujLyTM1duNof0Z/SNQwDgtNswt5bN542iLxTDQDgOReEOYCNgACgRUf/XUlMKj9Ou82hOb1aVFx6nDbFECl2s59Kd0ev/BFE7+h6XgHWXm8kx+nUjJsMHOHHQnZi8NVaVwOsy7jPKKhgASsQsD3K7TcG8OmZzjMIs1w13AhuHmTI5bAVjHNnlX2NfM1bBAFAi+7QNIMat/xMW8GQHQ1BV1fAtYITmmlK4HDZE4inuBNaZeJA3V5cYerUBYCsYIxEb/4zaN9JqGABKxCxLMgByegEyANRTz1AEw5EEHDZFq5UyqtzMMR/m+jJTIX9u5jjJzLGuDjIDaCgMACWRSqk4fHIEgLE3gAjaTmDWc+lKZP/m1qWza0a3QGshxOtGT2aabOZmjrsCPH1IL+m60fSE3wwTBysw/h2fJuR4MILReBIOm4Km6hK9h3NWYgmA9Vz6es8EOzlzZVsIMXOsJ1E3aoalPLtNQSszx7rrHY5iaDTdpUJk8klfDAAl0dabzv41VZfAaTf+r7Wxyst6LgMwSwsYQTsTmBlA3aiqqgXgZrlutBZCLDnRjcj+NRu8S4WVGD9SoAk53Jv+45prkpmVw27D3Fqe7KC3w5mJg9F3cgoLmDnWXc9QBMPRdN3onMzfsNEtyCxVi8wlFZ/Ivs43yb3GChgASqItEwDOqzPHDRnIzeZwVq4HVVW168YsE4em6pJsPdcA67n0YLa6USB77BiXgPUjJvpmKTexAnP89dJZtfWlMzlzzRQAsp5LV32hGIYjCSgK0Fxj/LpR4P07gXnd6EHs5DRD/Z8gNqu09fL0Ib2Iv1czbFK0CgaAkhA1gGYqrs22Z+CsXA9HMpOGWZVeU9XkaDuBmc3RhRnvNbMqvShx2RFLptDez8xxsfEMYGNiACiBcCyhHXRulqU8IHu018GTIagq67mKzWzLv0JuHSAVn7baYJL6PwCw2RRtdURc91Q8J4JRDEcSsOf8Hkh/DAAlIDI5lSVOVJe6dB7NxDXXlMBpVxCOJdE9FNF7OJZjxgc5kC0dYAZQHyIDaLYH+ZxMo3Nxv6TiEfV/zdUlcDvMs9ogOwaAEjDjkgwAOO02bRchH+bFZ8aNQwB7SOopGImjLxQFALSYbOIg7jUMAIvviFajbq5nlOwYAEpAm5Gb7IYMAPMzy8CHWNBfdNlMjrluyo1VXjjtCqKJFLqH2EOymNozD/JanxvlHqfOo5mcedoSMAPAYjNr1lh2DAAlYLYegLlaeSScLuLJFDozx2KZ7abssNu0026YzSkuMz/IRQawjddM0Ym/U7P0jbQKBoASaOsTAaD5/rjms0O/LjoDYSRSKrxOOxrKPHoPZ9JYz6UPs9aNAtkl675QFMFIXOfRWAsDQGNiAGhyqqriiElrAAFgLh/kuhDXzJzaUthsis6jmTwx2eF1U1zZnePme5CXe5yo9bkBZJeyqfCiiSSOZpq2m3HiIDMGgCZ3IhjFSCwJu03RlsXMpKU2PebBcBwDIzGdR2MdZs4aAyzo10s2k2O+ySaAnFYwvG6KpSsQRkoFSl121JW59R4O5WAAaHKi/k8ckWU2JS4HZpSnlyCP9POmXCxm3QAiMAAsPlVVc3ZzmnPiMJd1gEUn7jVz6kqhKOZbbZCZ+SIGGsOsrTxyiYc5l2WKJ9s6yJzXjXiQdwXCiCV4tFcxnAhGEc6sNjRWmW+1AeDEQQ/apMGkWWOZMQA0ucMmz+QA2eJs3pSLR1sCNulNua7MjVKXHSkV2m5mKixxzTRWeU252gBk75M8DaR4uAHEuMz5V0waM+/KE+YyACyqodE4+kLpess5Js0AKoqijZ3XTXGYvWwAGJsB5PGTxdFm8rIBmTEANLnDmfYp8+rluClT4YnsR32ZGz63Q+fRTF1LjbhumM0pBhkyOU3VJbDb0sdPnhyO6j0cS5DhupEVA0ATi8ST2kkIZs4AtnBWXlRmL+QXmDkuLjO3gBFcDhsaq7wAuBO4GIYjcfQOm/PoQCtgAGhi6YAJqPA6UV3q0ns4U9ZUXQKbAoRjSe1mQYUjw1IekF2+5oO8OGTJ5GRPBGHmuNDa+9L1uWY8OtAKTB0AhkIh3HHHHfD7/fB4PFi5ciUef/zxs77uySefxLp169Da2gqv14uWlhbcdNNNOHjwYBFGnT+5OznNvL3e5bBhdmZXIdszFF52A4jZH+TpALad7YMKLpZIoWsgvdpgxobzubRTZDhxKDhZ7jWyMnUAuGbNGmzcuBEbNmzAtm3bsGrVKqxbtw6bN28+4+vuv/9+hMNh3H333Xj22Wdx7733YufOnTjvvPPw7rvvFmn002fmM4Dfj61giqfNxCfH5JqTqQE8EYxiJJrQeTRy6wyEkUypKHHZUW/yZr7cPFQ8bb1yZI1lZdoK8K1bt+K5557D5s2bsW7dOgDApZdeio6ODtx555244YYbYLfbx33t008/jfr6+jGf++hHP4qWlhb88z//Mx566KGCjz8fZKjJEebUluKl93p5Uy6wVMr8zXyFihInakpd6B+J4UjfCJbOqtB7SNLKXf4182oDAMxjM+ii0a4bk99rZGXaDOBTTz0Fn8+HtWvXjvn8+vXr0d3djR07dpz2te8P/gDA7/dj9uzZ6OrqyvtYC6VNogab3AlcHMcGRxFNpOC0K5hV6dV7ONPG66Y42mRabcgEI52BMOJJNhEvJFnqRmVl2gBwz549WLRoERyOsUnM5cuXa/9/Mtra2tDR0YElS5bkbYyFpKqqll5vrTf/HxebQReHmDQ015TCYTftn7+GAWBxyPQgbyjzwOu0I5lS0cUm4gUz5uhACa4bGZn2CdDf34/q6upTPi8+19/fP+H3SiQSuOWWW+Dz+fC1r33ttF8XjUYRDAbHfOjl5HAUoWgCdpuCpmrz/3GJG0RHptaICuNIr1xF2Zw4FIfZjw7MZbMpnDgUQW8o/YxSFKCpxpxHB8rOtAEggDPWoky0TkVVVdxyyy344x//iMceewyNjY2n/dr77rsPFRUV2seZvrbQxAYQMx/LlMtf6YXLbkMskUL34Kjew5FWtiu/+ZfygGwgy3quwmqTKAMIsIVQMYhd1rOrvHA7xq/HJ32ZNnKoqakZN8sXCAQAYNzs4Pupqopbb70VmzZtwqOPPopPfOITZ/z6u+66C0NDQ9qHnvWCRyR7kNttijZLZFuPwsn2AJTrQX6kN8Qm4gUSjMTRF0r355QlAOTEofCOSFSjLivTBoDLli3Dvn37kEiMbf+we/duAMDSpUvP+HoR/P3yl7/EQw89hE9/+tNn/Z5utxvl5eVjPvTS0Z+uXRHHYckge7QXb8qFIor5ZVjKA7LXTDCSQGAkpvNo5CQyOXVlbpRJ0sw3uwTMZtCFIlPdqKxMGwBef/31CIVCeOKJJ8Z8fuPGjfD7/Vi9evVpX6uqKj7/+c/jl7/8JX7+859j/fr1hR5u3ol+eS218tRWzGV/roIKxxLoHooAyDbDNTuP067tZmbmuDBkfJCLlRMuARdOmyTtpmRm2j6AV199Na644grcdtttCAaDaG1txZYtW/Dss89i06ZNWg/AW265BRs3bsThw4fR3NwMAPjqV7+Khx9+GDfffDOWLVuGV199VXtft9uNc889V5d/02SIDGCzRBlAFmYXljiWqbLE3EcHvt+c2lIcGxxFW+8Izm8+e+kHTY5sWWMg20RcbKbzuU37KDQsGScOsjH1Vf/kk0/i7rvvxj333INAIICFCxdiy5YtuPHGG7WvSSaTSCaTY+qDnn76aQDAI488gkceeWTMezY3N6O9vb0o45+qVEpFRyCTAZRodxWXgAuro19cM3LdkOfUluLlQ328bgpEtg0gwNgm4u1sIp53yZSq3W9kum5kY9olYADw+Xx44IEH0NPTg2g0irfffntM8AcAjz76KFRVRUtLi/a59vZ2qKo67ofRgz8gPWuNxFNw2ORo5iuIpYKjA6OIJdigNd/atbpReSYNADPHhaZtHJKkbEAQ9xtuBMm/YwOjiCdVuBw2+CvkeUbJxtQBoFWJB93sKq8UzXyF+jI3SlyZBq0DbNCab2JGLlPZAMCzXQtJVVWttlK247zExEEscVP+tGU218ypKYXNZu6jA2UmT/RgIbI+yBVF0ZYn2/kwzzvxIJdp4xCQrec60jeCFJuI51XvcBThWBI2BWiskuy6yWQ0OXHIP9b/mQMDQBOSdSkP4HJeIXVKuHEIyGTCbQqiiRR6ghG9hyMVca+ZJUnD+Vy81xSOFgBKljWWjVx/0RYhawYQ4E25UCLxpNYCprlaromDw27TmogfYVuPvNLuNRIcN/l+IhMuOipQ/oi6UWYAjY0BoAlpGUDJlvIAnu1aKOLQ+zK3Q6oWMII42eEIewHmVbbdlHz3mqbMRGhoNI7BMJuI51M7dwCbAgNAk1FV1RIZQNYA5peYNDTXlkz4nGwzYUF/YbRL2joIAEpcDtSXuQEwC5hPuee5yzhxkAkDQJPpDWWLsmdXybe9XjzIu4ciGI0ldR6NPGSeNABAU+bf1ckHeV51ZjLHTZI+yEWA0hHgdZMvRwfCSKlAicuOOp9b7+HQGTAANBkxU/VXeuF22HUeTf5VlThR4U2fNyqaXdP0dUi8cQjI/rv4IM8v7chJSScOYkLUwRWHvBH3mqZqOVcbZMIA0GRkvyEripKtA2RBf960S1zMD2T/XZ2BMFvB5MlgOIZgJAEgWy8nG7EhihOH/MmuNsh5zciEAaDJyFyULYhsTjuX8/JG9uvGX+mBw6YglkjhxDBbweSD+PtrKHfD65JvtQEAmjOTzQ5uHsobEUzLWm4iEwaAJiNzUbYgbhydXALOi3gyhWOZouwWSXflOew2rSa2vY8Th3yQvW4UyMkAcrKZN7JPNmXCANBkrPDHxZtyfh0bGEUypcLjtGm7HmXUxIlDXmn3GkmXf4HsffTkcBThWELn0chB5t6RsmEAaCK553LKmskBcnbmMQDMi9ysscxF2Zw45JcV7jWVJS5t01kn6wCnLZlS0RVgCxizYABoIgPhOIYlL8oGsi0neoZGEUukdB6N+eXuypMZJw751Wmx64alA9N3PBhBLJmC065gZoVH7+HQWTAANBExI59Z4YHHKWdRNgDU+dwocdmRUtM9pWh6rJDJAXJaenAJOC+yZ45b47ph6cD0ieXf2VUlcNgZXhgdf0MmYpXt9YqiaFkHZnOmzwp1o8DYDKCqshXMdIxEE+gLRQHI2wRaEKUD7DowfVa518iCAaCJiCUK2WfkQO7DnLPy6eqwwM5xILtUORxJYCAc13k05iYe5LmN2WUl7jU8RWb6rLBxSCYMAE3ECm0ZhOxyHm/K02GlomyP044Z5em6I04cpseK95p2XjPTJq6bJgtcNzJgAGgi7ZIf55VLZHM4K5+enqHRnKJs+c6Ofj+xXMkdndOTbeYr/71G3E+7B7npbLpkP3JSNgwATcRas3Ie0ZQP4obcWF0Cu03eFjBCC3d05oWV7jV1ZW54ndx0Nl2qqmoTLytMHGTAANAkhsJxra7JCn9cPNs1PzosspNT4E7g/LBSJkdRFE4486B/JIZQNAFFSe8CJuNjAGgS4oFWV+ZGqduh82gKL/ds1+NBnu06VVbZOS6wdCA/rLabU+s60MeJw1SJa2ZmudxtymTCANAkrFT/B4w925WtYKbOCmdH52rRCvp5zUxVNJFE95DYOGSR66aWm86mK7sBxBrPKBkwADQJMTO1yg0Z4Nmu+aCdAmKRm7L4d/aFohiJ8mzXqegKjEJVgVKXHTWlLr2HUxTsOzp9Vis3kQEDQJOwWgYQ4Nmu06WqquVuyhVeJypLeLbrdORuAJH57Ohc4u+D7YOmTvy9WWWyKQMGgCZhpV15As92nZ7e4ShG40nYbQpmVcrfAkZo5sN8WrRJQ611HuTiXtMVGEWSm86mRJSbiA18ZHwMAE2i3WJF2UDOsgyXgKdEXDOzKr1wOazzp87M8fRotVwWepDPrPDAaVcQS3LT2VR1WvAZZXbWeSqYWCjnXE4rZQC1wmye7Tol7RbbASywpcf0iJ+blcpN0pvOuBN4qoYjcfSPxABY735jZgwATaArc0OutMC5nLlyz3Yd5Nmuk2a1FjACl4Cnx2obhwROHKZOXDM1pS6UeazzjDI7BoAmoN2QLXbAtsdpR0O5GwBvylPRbrENIAJrR6cukUxpE07LXTeZ+yvPBJ48bgAxJwaAJiBuyFYLAIFsQTGzOZPXadGJg3iQ82zXyesZiiCRUuFy2DCj3KP3cIpKZI7ZRHzyshtArHWvMTsGgCYgNkFYbSkPyM4omc2ZvOy5nNbK5PBs16lr1zaAlMBmgbOjc4n7K5uIT152A4i17jVmxwDQBDoD6a78VsvkANzROVVD4TiGRtN1k1a7bni269RZ6Qzg98tmAEe46WySrLrhzOwYAJpApwXbMgjNtTwNZCpE9q+uzA2vy3rncvJM4KmxYgsYobHaC0UBRmJJ9IVieg/HVNgCxpwYABpcMqXi6EAmA2jBPy5mAKdGKxuwWPZPyG0hRBOXLRuw3nXjdtjhrxDnj3PCOVGReBI9md6JXAI2FwaABtc9OJouyrZbrygbyD6ITg5HEY7xbNeJ6rTwxiEg92xXPsgnw6otYAQtc8zSgQk7OhC23NnRsmAAaHBiB/DsKi/sFivKBoDKEhfKPQ4AvClPhliSabRoAMgawMlTVdXSHQeA3IkDr5uJ6sjZAGKVs6NlwQDQ4DrYXymnsS9vyhNl5aU8INvDrjMQRopnu05I/0gMI7EkFCU94bSiJu1MYN5rJsqqfWplwADQ4LQHuYX/uMRNmQX9E2f1m/LMCg8cNgWxBM92nShxr5lZ7oHbYb2NQwCXgKfC6pNNM2MAaHBWX8oDsi0pOrgTeEJiiRR6hqy7cQgQZ7ums1h8mE+MyHpZ+V7D0oHJ4ykg5sUA0OCs2sw3V/Y0EN6UJ+LY4ChSKuB12lHnc+s9HN00MpszKR1s5aFlAHuHoxiNJXUejTlYfcOZmTEANLiOnM78VsXTQCYn94Zs5aLsZpYOTAof5ECF14kybjqbsFSKG4fMjAGggQ2GYwhG0q1PrPzHJR7kxwZHkUjybNezEY3DrbyUB7Cea7K0s6MtvNqQe4oMr5uzOzkcRTSRgt2mwF9pzY1DZsYA0MCsfpqD0FDmgcthQzKlomeIBf1nw6LsNAaAk8MMYBp7SE6cuGb8lR447QwnzIa/MQPTanIsfkO22RQ0VokO/XyYn43VdwAL4jgzBoBnF4kntd3SVr/fiOuGrWDOTgTJzRY8OlAGDAANjDPyLGZzJo678tLEvz8wEsNwJK7zaIzt6ED6milzO1BZ4tR5NPrivWbiuHPc3BgAGlinxY9lyqU1g2YrmDNSVZUThwyf26EdTcWH+Zl15LSbsvLGIYCtYCaD9xpzYwBoYKzlyhIzTC7LnFn/SAxhi5/mkIvXzcTwXpMlgpmjgVGeInMWHbxuTI0BoIFxdpXFZZmJEZkcK5/mkIvXzcTwXpOlnSKT5CkyZ8MWMObGANCgYokUusVpDiywzS7L9IehqpyVnw5rcsZqZg/JCWG5SZbDbsMsniJzVqFoAn2hGABeN2bFANCgjg6EoapAicuOWp9L7+HorrEqfYMZjiQwNMqC/tPhaQ5j8TSQiWEGcCxmjs9OTDYrS5wo91h745BZMQA0KJ7mMJbXZUddWfpYM96UT48P8rGa+SA/q1Qqu3GI7TzStACQmePT4r3G/BgAGlQnl/JO0VzN5byz6czskrbyaQ65xNLUsQGeInM6vaHsaQ4zKz16D8cQmAE8u072GzU9BoAG1ckm0KfgTfnsOCsfS5wik+ApMqclJlQ8zSGLrWDOjvca8+Nfu0Fxe/2pRDaHyzLji8STOBGMAuDEQcg9RYYTh/Fx+fdUbB90dnxGmZ+pA8BQKIQ77rgDfr8fHo8HK1euxOOPPz6h1548eRKf+9znUFtbi5KSElx00UV4/vnnCzziieNuzlMxA3hm4prhaQ5j8bo5M5abnEpcMzxF5vT4jDI/UweAa9aswcaNG7FhwwZs27YNq1atwrp167B58+Yzvi4ajeKyyy7D888/jwceeAC//vWv0dDQgKuuugovvfRSkUZ/ermnOTSzlkvDB/mZdeS08uDGoSztFBlmjsfVKc5zZSZHU+ZxopqnyJxWMqVqxwdyCdi8HHoPYKq2bt2K5557Dps3b8a6desAAJdeeik6Ojpw55134oYbboDdPn4j3Icffhh79uzBK6+8gosuukh77YoVK/CNb3wDO3bsKNq/Yzx9ofRpDjYFmFXJ0xwEsQTcMzSKWCIFl8PU85e8Y03O+Licd2a8bsbXWF2CwEgMXYEwlvgr9B6OofQMjSKeVOG0K5hZwWeUWZn2CfrUU0/B5/Nh7dq1Yz6/fv16dHd3nzGIe+qpp3DOOedowR8AOBwOfPrTn8Zrr72GY8eOFWzcEyF2cs6s8DLIyVHnc8PjtCGlAscGR/UejuFoD3JmcsZg5vjMGACOj10HTk9cM7OrSmC3cbXBrEwbXezZsweLFi2CwzE2ibl8+XLt/5/pteLrxnvtu+++m8eRTl4Ht9ePS1EUPszPgA/y8WVPAxnReSTGM8LTHE6L95rTYwsYOZg2AOzv70d1dfUpnxef6+/vz/tro9EogsHgmI9C4MHspyeOxevkw/wUIsDhTXkscYpMMJLAUJgF/bnEvaaKpzmcQus6wADwFJxsysG0ASCAMxa6n60Ifiqvve+++1BRUaF9NDY2Tmygk7R4Zjk+ed5sXDi3piDvb2aclY8vlVLRNZBeFmc7j7G8LjvqM6fIdAQ4ccjFB/np8V5zerxu5GDaALCmpmbcTF0gEACAcTN8033tXXfdhaGhIe2jq6trKkM/qyuXzMCPPrUC1507qyDvb2bZ5TzelHOdGI4gxtMcTosP8/GJpTy28jiVuGZ4isypWG8sB9MGgMuWLcO+ffuQSCTGfH737t0AgKVLl57xteLrJvNat9uN8vLyMR9UXHyQj088yGdVenmawzh43YyP5SanN6PcA5edp8iMhxlAOZj2SXH99dcjFArhiSeeGPP5jRs3wu/3Y/Xq1Wd87f79+8fsFE4kEti0aRNWr14Nv99fsHHT9OS29FBVVefRGEcHb8hnxFNkxscH+enZbApmV/MUmfcbGo1jMFNLy+vG3EwbAF599dW44oorcNttt+HBBx/E9u3b8YUvfAHPPvss/umf/knrAXjLLbfA4XCgo6NDe+3NN9+MJUuWYO3atdi8eTN+//vf41Of+hQOHDiA+++/X69/Ek3A7CovFAUYiSXRPxLTeziG0cUlmTNiBnB82QCQdaPjYSuYU4l7Ta3PhVK3aVsJE0zcCBoAnnzySdx999245557EAgEsHDhQmzZsgU33nij9jXJZBLJZHJMtsjtduP555/HN77xDfzN3/wNwuEwVq5ciW3btuHiiy/W459CE+Rx2jGj3IOeoQg6A2HU+tx6D8kQxAOKZwCPr5k7Ok8x5jQHThzGxYnDqXh0oDxMHQD6fD488MADeOCBB077NY8++igeffTRUz7f0NCAjRs3FnB0VCiN1SXoGYqgKxDGeU1Veg/HELgEfGbiYdU9yFNkhNzTHGaUc+PQeBq1AJC7xwVONuXBuyCZDpdlTsUl4DOr87nhddqRUtNBIOXsAOZpDqfFc6RPxbpReTAAJNPhssxYw5E4Apl6SN6Ux5d7ikwHrxsAbOUxEbn3Gm46SxPZ0KYa1o2aHQNAMh3u6BxLPMirS10o42kOp9XIicMYIhDmUt7piQBwOJLQdr5aHTOA8mAASKbDDOBYPJdzYsRGkC5eNwDYBHoick+R4f0GiCdT6B5M90Tk/cb8GACS6Ygbz/FgBJF4UufR6K+DzXwnRFsC5jnSALLH4jVzKe+MtNOHGADi2MAokikVbodNC4zJvBgAkulUl7rgy/SfEm0srIxLMhPTxGMExxAZQE4czkz0SOzkxGFMtwEbNw6ZHgNAMh1FUVjPlYNLwBPDgv6swXAMwUj6GM3GKl43Z9LErgMaEQRz0iAHBoBkSk2ZI5p4U+ZS3kSJU2TCsST6QtY+RUb83dSXueF12XUejbFxCTiLJ8fIhQEgmRL7c6WxKHvi3A47/BXibFdrL+d1sm50wpq4eUjTwbIBqTAAJFPiTuC07kEWZU8Gl/PSmMmZuGZuOtOw3lguDADJlLRlGYsXZnfktPJgUfbZNXMjCIDs3w0f5GdXXepCqcsOVbX2pjNVVdk8XDIMAMmUmjOZi66BUaRS1i3o72Qz30nhcl4al/ImTlEU7dQLK08cekNRhGNJKEq6npbMjwEgmZK/0gOHTUEskcLxYETv4eiGM/LJERMHqxf08+zoyWlmyYnWbcBf4YXbwY1DMmAASKbksNswq4o7gdkCZnK4BAxEE0n0ZCZNzBxPDK8b1v/JiAEgmVZ2I4h16wB5CsjkiP6RfaEoRqIJnUejj67AKFQVKHXZUV3q0ns4pqCdP27hDCDLBuTDAJBMy+qzclVVtcas3M05MRVeJypLnACs+zAXE6ammlIoCjcOTQSPEcz+vfDsaHkwACTTsno9V2AkhhEWZU9as8VbwWhHwPFBPmHcdJYNfpkBlAcDQDItbVnGog9yEfjOKPfA42RR9kSJHZ1WLR3o4AaQScvddHZi2JqbzrIdB7jaIAsGgGRaVu8FyA0gU8MMIK+bybL6prNQNKEdn8iJgzwYAJJpiQdYMJLAYNh6Z7tyV97UWL2gn8fATY226cyCAaBoG1RZ4kSF16nzaChfGACSaZW4HKjLHH9mxVk5d+VNjZV7uqVSKpfypkjbCGLB0oEO1o1KiQEgmZq2nGfBh3m2mS8f5JPRnPl5HRsYRSKZ0nk0xXVyOIpoIgW7TcHMSo/ewzGVZi1zPKrzSIpP1MtyB7BcGACSqWU3glhwVh7gea5TUV/mhsthQyKlonvQWgX9ol52VqUXTjtv/5MhWi1Z8l7D1QYp8Q5Apqa1grHYEnAknsSJYBQAl2Umy2ZTLLucx/q/qdM2nVlwtYFlA3JiAEimZtWbslj+LfM4tMbGNHFW3QnMjUNTJ35mg+E4hkbjOo+muMTfCXcAy4UBIJmaVXsBduS08uBpDpNn1Z3AHWwBM2Wlbgdqfemj87osdN3EkykcG0zXPTJzLBcGgGRqIpNzPBhBJJ7UeTTFwzOAp6fZokd78bqZniYLZo57BiNIplS4HDY0lHHjkEwYAJKpVZe64HM7AFhrVq7tAGZNzpSIncBWepADvG6mS7tuLFQ7Kv6tjVVe2GxcbZAJA0AyNUVRLDkrF5krLuVNTe4SsKpa42zX4UgcgRGe5jAdVmwGnd0BzEmDbBgAkulZcSMIl/KmZ3aVF4oChGNJ9I9Y4xQZ8SCvycma0+Rkj5+0zr2GG4fkxQCQTM9qvQCTKRVHAyzKng63ww5/hbXOds02Duc1M1VNFjxFRqw28F4jHwaAZHpaL0CL3JS7B0cRS6bgstswMxPE0OQ1Vqd/dp0WqefSssbM5EyZCJ57hkYRS1jjFBk2gZYXA0AyvWaLtYIRN+TGai/sLMqeMqs1EWcLmOmr87lR4rIjpQJHB+S/blRV5cYhiTEAJNMTD7SugTCSKfkL+tszSzJzanlDng6r9ZDUNg6xmH/Kxmw6s8CKQ/9IDCOxJBQlXTdLcmEASKbnr/TCaVcQT6roGZL/oPb2PlGTwwf5dFht85DIAM6pZQZwOqy0E1hcMzPKPfA47TqPhvKNASCZnt2mYHaVdYqz2zM35RbW5EyLlZaAI/EkujOToxZOHKalJZN5b7fApjNRH8uyATkxACQpWGtWzgxgPogl4L5QFCPRhM6jKayuQBiqCpS5Hagudek9HFMTAbTIxMuMG0DkxgCQpGCV5bxUStX+jawBnJ4KrxOVJU4A8meOj2SClZbaUp4dPU0i895ugclme851Q/JhAEhSsEoGsCcYQSyRgtOuYGYFz+WcruyRcHJnc5jJyR8RDHUFwkgk5W4Fc0QrN2EAKCMGgCQFq5zR2dEnzuUsgcPOP9/pmpMJiI70yT1xOMKd43kzo9wDt8OGRErFsUG5N51pGUAGgFLiE4SkkHtEk8xnu7Yzk5NXzRap52LdaP7YbIr29yfzMvBgOIah0TgAoIU7x6XEAJCkIJaAhyMJ7cB7GYkHOWty8kNkxI5IvgTc3scWMPlkhY0gom60odyNEhfPjpYRA0CSgsdphz9TEydze4YjXJLJK62lh8QP8twWMMwA5oe4bo5IfN2I+yjvNfJiAEjSyN6U5V2WYTF/fs3JPNxODsvbCia3BUwNW8DkRYsFNg+J+ygDQHkxACRpzJE8m5NuAcNZeT5VlDhRlWkFI2vmWKsbrS1hC5g8ETVxMtcAstxEfgwASRqy13OdGI4gEk/BYVN4LmceZZeB5XyYcydn/omfpcytYMR1w7pReTEAJGmIm/KRXjkDQBGgzK7ysgVMHollYFkzgEdYy5V3sreCUVV1TPNwkhOfIiSN3DM6ZWwFw1YehSF7QT+X8vIvtxWMjNfNQDiOYCRdEyvOzCb5MAAkaTRVl8CmAOFYEr3DUb2Hk3ftWld+Lsnkk+w7gdv7eN0UQnYjiHylAyKonVnhgddl13k0VCgMAEkaLocNs6vknZXzXM7CkHkJOLcFDK+b/JojceY4u9rASYPMGACSVGRezmNfrsJozhS594ViGI7EdR5NfokWMD62gMk7mc+Rzm4A4b1GZgwASSra2a6S3ZRVVWUPwAIp9zi14Ei25TytbIAtYPJO5lYwR/rZA9AKGACSVGTtBdg7HMVoPAmbAm2Zm/JH1syx+DvgxqH8E/caGVvBsNzEGhgAklRk7ekmApPZVSVwOfhnm2+ynu0qygbmMADMu4YyOVvBqKqavW4YAErNtE+SUCiEO+64A36/Hx6PBytXrsTjjz8+odc++eSTWLduHVpbW+H1etHS0oKbbroJBw8eLPCoqdDm5LSCSaXkaQXD5d/CEs1uZSsdaGcxf8HYbEq296hEE4fASAzDmRYwTdW8bmRm2gBwzZo12LhxIzZs2IBt27Zh1apVWLduHTZv3nzW195///0Ih8O4++678eyzz+Lee+/Fzp07cd555+Hdd98twuipUGZVeuGwKYgmUugJRvQeTt5wA0hhydoKRmTCmckpDBFYy3TdiHuNv8IDj5MtYGTm0HsAU7F161Y899xz2Lx5M9atWwcAuPTSS9HR0YE777wTN9xwA+z201+4Tz/9NOrr68d87qMf/ShaWlrwz//8z3jooYcKOn4qHIfdhqaaErT1jqC9bwSzKuU4Mo0ZwMLSloAlKujPbQHDGsDCyK44yHPdHBF9IzlpkJ4pM4BPPfUUfD4f1q5dO+bz69evR3d3N3bs2HHG178/+AMAv9+P2bNno6urK69jpeKbI+GyzBG2ZSgo8bALjMQwNCpHK5ijA9kWMLU+toAphNzTh2TBDSDWYcoAcM+ePVi0aBEcjrEJzOXLl2v/f7La2trQ0dGBJUuW5GWMpB/ZdnSmW8BwN2ch+dwO1JW5AciznCcyOc01bAFTKCIjL1P7IG4csg5TBoD9/f2orq4+5fPic/39/ZN6v0QigVtuuQU+nw9f+9rXTvt10WgUwWBwzAcZj2z1XH2hGEZiSSgK0Fgtx5K2Ecl2IgjPAC48GVvBtPO6sQzdA8AXX3wRiqJM6GPXrl3a6840o53MbFdVVdxyyy344x//iMceewyNjY2n/dr77rsPFRUV2seZvpb0M1dkACV5kGeLsr1wO1iUXSgimyNL5lj8O3gGcOHktoI5OmD+VjCqqvLsaAvRfRPIOeecgwcffHBCX9vU1AQAqKmpGTfLFwgEAGDc7OB4VFXFrbfeik2bNmHjxo34xCc+ccavv+uuu/C3f/u32n8Hg0EGgQbU8r5ZucOu+zxnWngsU3HIljnu4GkOBSdawRw4MYz2/hHTZ836QjGEoonMagMDQNnpHgDOnDkTt95666Res2zZMmzZsgWJRGJMHeDu3bsBAEuXLj3re4jg75e//CUefvhhfPrTnz7ra9xuN9xu96TGSsU3szw9K48mUjg2OGr6urk2rSibN+RCmqNljuWo5zrCYv6iaKktSQeAfSPAOXqPZno6clYb2AJGfqZMjVx//fUIhUJ44oknxnx+48aN8Pv9WL169Rlfr6oqPv/5z+OXv/wlfv7zn2P9+vWFHC4Vmc2mSLWcd/hkCAAwr86n80jkJtNpILktYJgBLCyZWgix24C16J4BnIqrr74aV1xxBW677TYEg0G0trZiy5YtePbZZ7Fp06YxPQBvueUWbNy4EYcPH0ZzczMA4Ktf/Soefvhh3HzzzVi2bBleffVV7evdbjfOPffcov+bKL/m1JbivRMhKWblIgPIALCwRIZ1aDSOgZEYqkrN2zpFtIApddnZAqbAZGoFk90AwtUGKzBlAAikj3O7++67cc899yAQCGDhwoXYsmULbrzxxjFfl0wmkUwmoarZY8GefvppAMAjjzyCRx55ZMzXNzc3o729veDjp8JqkaRBazyZ0pZl5tUzACykEpcDDeVunAhG0d4/YuoA8HBvdvmXLWAKS6bMcXYDCDOAVmDKJWAA8Pl8eOCBB9DT04NoNIq33377lOAPAB599FGoqoqWlhbtc+3t7VBVddwPBn9yEC092kx+U+4KhBFPqvA4bZhZ7tF7ONJrkaQVzOHedNlAKycNBae1ghkYRSxh7lYw2Z3jDACtwLQBINGZyLKjsy2TyZlb64PNxkxOoWkbQfrMnTk+fDJ93bSybKDgGsrdKHXZkUyp6AyY936T23CeG4esgQEgSUn0Ajw6EDb1rFxkcrj8WxyyTBwO8bopGkVRtJ/zoZPmvW5ODkcxEkvCblPYcN4iGACSlOrK0rPylAp0DZg3m6MFgHWckRdDi1Y6ENJ5JFOnqirauHO8qESmVfy9mtGhzDXTXF3ChvMWwQCQpKQoitb/70iveWfloph/Lh/kRdFanwkAe0eQSqln+Wpj6h2OYjiagE3hbs5iERlA0bLJjEQAyHuNdTAAJGnNkaA9QxszgEXVXFMKh01BOJZETzCi93CmRCz/NjGTUzQi03pIggwgNw5ZBwNAkpYIAM26EzgwEsNAOA4gvQmECs9pt2lNxA+ZNJsjssZc/i0ekTk+fDI0puWYmXDnuPUwACRptWqF2WZ9kKfHPavSC6+LmZxiMf11c5IbQIpNZI5HYkkcN2vmmBlAy2EASNKS5UE+l8u/RWX664ZlA0XntNvQlMkcHzbhTuBgJI6Tw1EAvN9YCQNAkta8Oh8UJb2U2h+K6j2cSeMRcPpoNXlB/2FmcnRh5p3A4pppKHej3OPUeTRULAwASVpelx2zKtP9rMyYzeFSnj5a68oAmLOgfySaQPdQegmSdaPFNc/EmWMu/1oTA0CS2vx68+7O41KePuZlCvoDIzEERmI6j2ZyxMkxNaUuU59lbEbzTJwBFPdHnhxjLQwASWpiRnvwhLluytFEEp2BdANrLgEXV4nLYdrMcXbSwGum2MxcO8rVBmtiAEhSm1+fWc4z2U25sz+MlAr43A7Ul7n1Ho7lmHU5j0cH6kdsnjg5HEUwEtd5NJMjWgcxA2gtDABJaqZ/kNeVQlEUnUdjPeJBaObrhoqr3ONEQ3l6smamDUTRRBIdmWb5rAG0FgaAJDVxQzsejJhqVs5mvvpqNWntqGhBwgygPrJ1gOZpBdPel15tKPM4UMfVBkthAEhSq/Cac1bOHoD6MmMrmEQyhSN9XMrTkxnrAMVY022zuNpgJQwASXraRhAT3ZQPswegrsQ1c2xwFCPRhM6jmZijA6OIJVNwO2zwZzaxUHGZcScwj4CzLgaAJD2xEcQs2RxVVdHGXXm6qi51oTrTRqXNJMt54kE+t84Hu42ZHD1omWMTBYDsAWhdDABJevNMlgHsHY5iOJqATQGaM8dLUfFpG0F6h3UeycRwA4j+RAawoz+MWCKl82gmRgsAudpgOQwASXrzTVaXIwrIG6tL4HbYdR6NdZltB7m2AYQPct00lLvhczuQTKnoDBg/c5xKqWjr42qDVTEAJOmJpY2ugTAi8aTOozk7NvM1BrMV9B9iD0DdKYqiZWDNcN0cGxxFJJ6Cy25DYxXrRq2GASBJr6bUhaoSJ1TVHLU5XMozBjMFgKqqcinPIMzUCkZMGubUlsJhZzhgNfyNk/QURTHVw5w9AI1BXDMd/WHEk8au5wqMxDA0GoeipB/mpB8zlQ4c5gYQS2MASJbQaqIj4dpydnOSfvwVHpS47EikVO2kBKMSk4ZZlV54Xawb1ZOZWsFkewBy0mBFDADJErRegCeMfVMeiSZwdGAUAGflekvXc4lsjrEDwNxmvqSv3CbiqqrqPJoz49nR1sYAkCxhvkmO9jpwIt1ypL7MrfWhI/2Ypa8bm/kaR3NNCRw2BSOxJI4HI3oP54zYA9DaGACSJYgbXHvfiKH7c+3vSQeAC2eW6zwSAsyzEYQ7x43Dabdp/TsPGzhz3B+KYiCcrhudW8vrxooYAJIlzKzwoNQE9Vz7jwcBAItmlOk8EgKQswRs7ADwwPH0xGF+Ax/kRpC9bozbRJx1o8QAkCzBLDuBsxlABoBGkLsEnEoZs55rMBxDz1B6qXEhJw6GIALxAwauOebyLzEAJMsQO4GNeiScqqrYl8kALpzBJWAjEPVc4VgSPQat59rbk75mGqu9KPM4dR4NAcCiTAnHvszvxojYN5IYAJJliFm5UTOA3UMRDEcScNgU1nIZhNNuQ0umr97BE8ZcztuXyRov4qTBMEQAuP94EEmDZo5FcHoOs8aWxQCQLEPMdI2aAdyfuSG31vvgcvBP0yjEA3L/caMGgJm6UW4cMoyWmlJ4nDZE4im0G7DmWFVVLXO82M/rxqr4lCHLEBnAtt6QIWflIsBgHZexLM4EVnu7jbmcxwDQeOw2RSvjMOIycPdQBEOjcTjtCubX835jVQwAyTJmV5XA7bAhmkihMxDWezinEA8KtoAxFpEh2WvAB3k8mdKamy/ixiFDWWTgiYMYU2t9GVcbLIy/ebKM9Kw8/ZA04k2ZGUBjWpJ5kLf1hjAaS+o8mrGO9I0glkyh1GVHY1WJ3sOhHIszAbkRM4DZrDHvNVbGAJAsZbG/AgCwp3tI55GMFYkntTOAuZRnLHVlbtT6XEip2T6NRpGbNbbZFJ1HQ7myO4GNVzsqJsCLea+xNAaAZClLMst57xosA3joZAgpFagqcaK+zK33cCiHoijaxMFoy8B7mckxLFHKcTwYQWAkpvNoxuIGEAIYAJLFiABwb/eQoQ5q1zI5M8qhKMzkGI1RN4JoLWCYyTEcn9uhHQlnpGXgYCSu1UAzA2htDADJUhbNLIfdpqAvFMPJ4ajew9Fo9X/M5BjSYoNmjrkD2NgWGXAnsDhtaFalF5UlLp1HQ3piAEiW4nHaMa8u3dh3zzHj1AFmzwDmg9yIFhuwsW9fKIre4SgUhRuHjErbCWygAHBvpv6ZkwZiAEiWsyRTz2WUbI6qqtpSHjOAxjSnthRepx2ReApH+ozR2FdklVpqSlHicug8GhqP1kLIIPcaIFs2sJj3GstjAEiWk90IYowMYG8oisBIDDYFbMpqUHabogXnRsnmsJWH8YnfzeHeEGKJlM6jSeMGEBIYAJLlGK2eS9TktNSWwuuy6zwaOh2jbQThGcDGN6vSi3KPA/GkaogzyOPJFA6cEBnACp1HQ3pjAEiWI5aAjw6MYigc13k0rP8zi8UGyxxzA4jxKYqitYMxQua4rXcEsUQKZW4HZld59R4O6YwBIFlOhdeJxur0zc8ID3ORAWQhv7GJicPe7qDuLYRiiZSWUWLdqLEtnmmcncB7e7IbQNg4nBgAkiUtmWmcjSD7tBYwzOQY2TkNZbApQP9IDL06txA6dDKEREpFuceBWZXM5BiZoQLAbtb/URYDQLIko2wEiSdTOHSSGUAz8LrsmFvnAwC8q/PDPPcIODYON7bcVjB6Z46zjcN5ryEGgGRRS2cZIwPY1juCeFKFjzU5pmCUjSAiAORJDsY3v8EHu03BYDiO48GIbuNQVTW7A5gbQAgMAMmiRAbwcG8Io7GkbuMQG0AWzihjJscEjNLXbd9xtoAxi9zm83ouA58IpttN2W0K5jf4dBsHGQcDQLKk+nIPan1upNTsw1QPIgPJQn5z0M6S1vFBnts4nDuAzWGRATLHYgNIa50PHifbTREDQLKwJQboB/hWxwAAYGVjlW5joIkTD/L2/hGEogldxnByONs4fEEDJw5msEjbCDKs2xi4AYTejwEgWZaWzdFpI0gskcI7mfOIz2uq1GUMNDm1Pjcayt1QVeCATpljkX2cy0yOaSwywE7g7BFwDAApjQEgWZbYCLLnmD435Xe7hxBLpFBV4sSc2lJdxkCTJx6gemWOd2ayxstnsZDfLMQ1c0THzPFeNg6n92EASJYlMoAHjg8jniz+OZ1vdQ4CAM5rquIGEBPJbQithzcyAeD5LSwbMIu6Mjf8FR6oKvB212DRv/9INIH2/hEA3DhEWaYNAEOhEO644w74/X54PB6sXLkSjz/++JTe69vf/jYURcHSpUvzPEoyssaqEpS5HYglU7qc0ynq/85r5oPcTPQ8SzqeTGFXJoC4oLm66N+fpu6ClvTv6/X2QNG/99tdg1BVwF/hQY3PXfTvT8Zk2gBwzZo12LhxIzZs2IBt27Zh1apVWLduHTZv3jyp99m1axd++MMfoqGhoUAjJaOy2RQs0vFh/lZnJgBsYgBoJssyS6/7eoIIx4q7nJf+nkmUexyYX89WHmayKpOxfaN9oOjf+7VM0LlqDicNlGXKAHDr1q147rnn8NOf/hRf/OIXcemll+LBBx/EFVdcgTvvvBPJ5MT6uiUSCaxfvx5f/OIXsXDhwgKPmoxoqV/UARZ3I0j34Ch6hiKw2xSsaGQtl5nMrvJiZoUHiZSKXZll/GIRwcP5zVU8y9VkRAbwrc4BJIpcciKyjqtaGABSlikDwKeeego+nw9r164d8/n169eju7sbO3bsmND7/OAHP0AgEMD3v//9QgyTTGDZ7HQGcGeR63JE9m/RzDKUuBxF/d40PYqi4AOZTMqOI8VdznszUzZwAR/kprOgoQxlHgfCsST2Hy9eO5h4MoW3OgYBQLtuiQCTBoB79uzBokWL4HCMfXAuX75c+/9ns3fvXtx777342c9+Bp+PSylW9YE5NQDSGcBi7s4TD/LzufxrSiKT8loRA0BVVfFGR/r7nc+6UdOx2xTt91bMOsB3u4MYjSdR4XWitY7POsoyZQDY39+P6upTZzLic/39/Wd8fSqVws0334w1a9bgmmuumfD3jUajCAaDYz7I3GZVetFY7UUypeKNIt6UtR3AfJCb0upMJmVn1wBiieIs5x0dGMWJYBQOm4IVsyuL8j0pv8TEoZh1gK8fEcu/LBugsXQPAF988UUoijKhj127dmmvO1PbjLO11Pjxj3+MgwcP4ic/+cmkxnrfffehoqJC+2hsbJzU68mYLsxkAV9tK04AGIkn8a7WAJoBoBm11vtQXepCJJ7C7iLVj4qs8ZJZFfC62ADajHIzgKqqFuV7vsb6PzoN3YuPzjnnHDz44IMT+tqmpiYAQE1NzbhZvkAgfaGPlx0UOjs7cc899+AHP/gBXC4XBgcHAaQ3hKRSKQwODsLtdsPr9Z7y2rvuugt/+7d/q/13MBhkECiBC+fW4FdvHsWrbWfOHOfL7mNDSKRU1JW5Mbvq1OuMjE9RFFzQXIXf7T2B144EirIkK5Z/L2DW2LRWzK6E067g5HAUXYFRNNWUFPT7pXJWNrgDmN5P9wBw5syZuPXWWyf1mmXLlmHLli1IJBJj6gB3794NAGfs59fW1obR0VHcfvvtuP3220/5/1VVVbj99tvHzQ663W643eyhJJvVc9M3xt3HhjASTaDUXdg/i9z6PzaANq8PzKnG7/aewOvtAdyGeQX/fmLZkAGgeXlddiydVYGdnYN4oyNQ8ADwcG8IA+E4PE6b1vGASNB9CXgqrr/+eoRCITzxxBNjPr9x40b4/X6sXr36tK9duXIltm/ffsrHihUr0NLSgu3bt+MrX/lKof8JZCCzq0owuypTB9hR+NqcbAPoyoJ/Lyqc1ZnSgdfbA0imCrucF4zEceBEeucoTwAxt1VaQ+jC32vE9zi3sQouhykf91RAumcAp+Lqq6/GFVdcgdtuuw3BYBCtra3YsmULnn32WWzatAl2e7Y+5pZbbsHGjRtx+PBhNDc3o7KyEpdccskp71lZWYlEIjHu/yP5rZ5Tg6MDR7GjrR8XL6gr2PdRVVVrAcOdnOa2aGYZSl12DEcS2H88qB0RVwhvdQxAVYGm6hLUl3kK9n2o8C5orsIvgKJsOnudy790BqadEjz55JP4zGc+g3vuuQdXXXUVduzYgS1btuCmm24a83XJZBLJZLJoBbdkThdmloELXQfYFRhFXygGp10paMBAheew23C+yOYUuB2M1v+PkwbTExO/gydDGAzHCvq9XsvZAUz0fqYNAH0+Hx544AH09PQgGo3i7bffxo033njK1z366KNQVRUtLS1nfL8XX3xxQv0DSU4Xzk0v571zdKigx3uJ7N/SWRXwOLmT0+xEO5jXCpzN0er/uJPT9Gp8bsyrKwWQDewLoXtwFMcGR2G3Kew2QOMybQBIlE+N1SWYVelFIqUW9KYs3ps3ZDlkG0IPFGyVIZ5MYVfmpJoLmMmRwgXNha8DFMu/S/zlBd/YRubEAJAoY3URloFZ/yeX5bMr4HLY0BeK4kjfSEG+x76e9EkO5R4HT3KQhAjkC1kHmF3+ZdaYxscAkChDLAMXqiH0cCSOfT3p02OYAZSDx2nHysZKAIU7Fk4s/57fzJMcZCGCsneODiESTxbke7zOBtB0FgwAiTLEiSDvHB0sSB3g9gO9SKnA3LpSzKjgTk5ZfKClsHWA2gYQPsil0VxTglqfG7FkYU6SGRiJ4b0TIQDcAEKnxwCQKKOx2gt/hQfxpIq3Ogbz/v7//e5xAMDHlszI+3uTfj4gNoIUIAOYTKnYcSRdksCyAXkoiqIFZq8XYOIg+pnOqytFjY+HF9D4GAASZSiKoi0Di4duvkQTSby4/yQABoCyOa+5CnabgqMDo+geHM3re7/eHkBfKIYKr5MBoGTExOHFA715f28u/9JEMAAkylGojSCvHOrHSCyJhnI3ls9i/z+Z+NwOLPGXA8j/dbN1dw8A4MrFDXDaebuWiZgIvt4ewIlgJG/vq6oqnt93AkC2rploPLyjEOUQN8xdXYMYjeWvOFss/165eAYL+SX0kfnp02O27j6et/dMpVRs25N+v2uWzczb+5Ix+Cu9OL+5CqoKbMsE+vmwr2cYh3tH4HLYcNmi+ry9L8mHASBRjqbqEszM1AH+z6G+vLxnMqXiub3pGTmXf+X0iZV+AMBL753M2+kOb3QMoHc4ijKPA3/WWpuX9yRj+fNMYP/MO/kLAH/zdjcA4KPn1KPM48zb+5J8GAAS5VAUBVctTQdpT+48mpf3fLNjAP0j6TouscRMcpnfUIZFM8sRT6p5ywKK5d8rFjfA5eCtWkYis/tGxwB6hqZfP6qqKp7OBIAfz0xKiE6HdxWi9/nkebMBAL/fm59sjlj+vWxhPeu4JHZd5oH7X7uOTfu90su/6QDwz7n8K60ZFR5tN3A+Jg5vdQ7i2OAoSl12fHQhl3/pzPg0InqfJf5yLJxRhlgyhaenuTSjqip+tzdT/7ekIR/DI4O6doUfipJuBzPd3cBvdQ7gRDCKMrcDH5rP5V+Z/cXy9MTht+90T/u9RPbvyiUzeNY4nRUDQKL3URQFf3l+Ogv4xJvTWwbe1zOMrsAo3A4bPrKgLh/DI4PyV3q1ptCiDmuqRDbo8sUNcDv4IJfZ1UtnQFGy2bupSiRTWi3hx1dw+ZfOjgEg0Tg+sXIW7DYFu7oGcehkaMrvI5Z/P7KgDiUuHsguu0+snAUA+PWuqQeAucu/3P0rv/pyjzZx2DqNFYcdRwLoC0VRWeLkpiGaEAaAROOoK3Pj4kzG7om3pp4F5Okf1nLNshlw2hXs6wnivRPDU3qPXUcH0TMUgc/twIe5/GsJf7E8sxt4Gu1gfpOZdFy9dCY3DdGE8CohOg2xDPzUW8eQTKmTfn1nfxj7jw/DblNwOftxWUJliQsXL0j/rn89xc0gIgt02aJ61nFZxFVLZ8KmAG93DaIrEJ7066OJpJY15vIvTRQDQKLTuGxRPSq8ThwPRvDK4cn3BHz23fQNefWcalSWuPI9PDKo685NP4B/vasbqjq5iYOqsvmzFdWVubUm9L+dQhbwD+/1IRhJoKHcrR0xR3Q2DACJTsPtsOPaFemH8H9OcjPISDSBh18+AgC4mg9yS7lsYQNKXXYcHRjFW50Dk3rtrq5sG4+LuWnIUv48swz82ynUAYrdv3++zA87TxqiCWIASHQGf3l+I4B0Ld9wJD7h1/38pcM4EYyisdqLtZmlZLIGr8uOj2Waif/XzolvBlFVFf/8+4MAgMsWNXD512KuWjIDNgXYfWwIb3cNTvh14VhCO2mIzZ9pMhgAEp3BitkVmFdXikg8pZ3McDZHB8L4+R/aAAB3X7OID3ILEruBf/N2N3qHoxN6zTPv9OAP7/XCZbfhjsvnF3J4ZEA1PrdWv/fNJ95BLJGa0Ose+P1BjMaTaK4pwYrZFYUcIkmGASDRGSiKgk9mMni/+EMbQtHEWV9z/7MHEE2ksHpONXf/WtSfzavBwhllGBqN4+u/ehups2wiGhqN47tP7wUAfPnSVsyt8xVjmGQw//AXi1FV4sT+48P4+UuHz/r1rx0J4Bd/zE42FYXLvzRxDACJzuLGVU2oL3PjcO8Ivv4fZ36Yv9EewNNvd0NRgHuuXcwbskU57Db8y7pz4XbY8NJ7vfjlK+1n/Pp/enY/+kJRzK0rxZcumVucQZLh1Pjc+M7HlwAA/vWFQzh4hlZCoWgCf/erXVBVYO35s3ElJ5s0SQwAic6iutSFf/vM+XDZbXj23eP4f7YfGvfrUikV//hMOotzwwWNWOLncoyVLWgow7f/YjEA4P5t+7Hn2NC4X/dmxwD+fUcnAOB/X7+MJ39Y3MdX+PHRhfWIJVP4xhPvnLYF1b3P7EVXYBSzKr2459rFRR4lyYABINEEnNdUhXuvWwoA+PFz72lF17me3HkM7xwdgs/twN9deU6xh0gG9OnVTbhicQNiyRS++vhOhGNjSwjiyRT+/sndANJZHNEKhKxLURR8//ql8Lkd2Nk5iI3jZI+f33cCj7/eBUUBfvSpFSjzOIs/UDI9BoBEE/SpVY347EXNAICv/d9dOHRyGJF4Eq8c7sMP//sA/vfWfQCAr3y0FXVlbj2HSgahKAru/+RyNJS70dY7gu89sxfRRBJdgTBeOxLA93+7DwdODKO61IW/v2aR3sMlg5hZ4cVd1ywEAPyf/z6A/znUh0Mnh3FscBSd/WF884n0pOHWD83hpIGmTFEn26mUNMFgEBUVFRgaGkJ5ebnew6EiiCdT+PRDO7DjSACVJU6MxpKI5uzWa6334bdf/RCX8WiMVw714aaHd+B0d9sfrV2hbTYiAtIlJesefBU7jgTG/f8LGnz4zVc+xC4DU8TnNzOARJPitNvw05vOw6xKLwbDcUQTKdSVuXHdSj/+6S+X44nbPsjgj07xwdZafOXSVu2/3Q4bmmtKsHpONb519UKsOW+WjqMjI7LZFPxw7Qqc21QJf4UHlSVO7YzfMo8DP/7USgZ/NC3MAE4DZxDWdXQgjFcO9+O8pkrMq/Nxty+dlaqq6AyEUe5xorLEyWuGpiSRTK84OOzM30wHn9+AQ+8BEJnR7KoSfOqCEr2HQSaiKAqaa0r1HgaZHAM/yhdeSUREREQWwwCQiIiIyGIYABIRERFZDANAIiIiIothAEhERERkMQwAiYiIiCyGASARERGRxTAAJCIiIrIYBoBEREREFsMAkIiIiMhiGAASERERWQwDQCIiIiKLYQBIREREZDEOvQdgZqqqAgCCwaDOIyEiIqKJEs9t8Ry3IgaA0zA8PAwAaGxs1HkkRERENFnDw8OoqKjQexi6UFQrh7/TlEql0N3djbKyMiiKktf3DgaDaGxsRFdXF8rLy/P63pTFn3Nx8OdcHPw5Fwd/zsVRyJ+zqqoYHh6G3++HzWbNajhmAKfBZrNh9uzZBf0e5eXlvMEUAX/OxcGfc3Hw51wc/DkXR6F+zlbN/AnWDHuJiIiILIwBIBEREZHFMAA0KLfbjQ0bNsDtdus9FKnx51wc/DkXB3/OxcGfc3Hw51xY3ARCREREZDHMABIRERFZDANAIiIiIothAGggoVAId9xxB/x+PzweD1auXInHH39c72FJ54UXXsDNN9+MhQsXorS0FLNmzcInPvEJvPnmm3oPTWoPPfQQFEWBz+fTeyhSevnll3HNNdegqqoKXq8X8+fPx/e+9z29hyWVnTt34rrrroPf70dJSQkWLlyIf/zHf0Q4HNZ7aKY1PDyMb3zjG7jyyitRV1cHRVHwne98Z9yvfeutt3D55ZfD5/OhsrISa9asQVtbW3EHLBEGgAayZs0abNy4ERs2bMC2bduwatUqrFu3Dps3b9Z7aFL52c9+hvb2dtx+++3YunUrHnjgAZw8eRIXXnghXnjhBb2HJ6Vjx47h61//Ovx+v95DkdLmzZtx8cUXo6KiAo899hi2bt2Kb37zm5Y+5irf9u7diw9+8INob2/HT37yEzzzzDO48cYb8Y//+I9Yt26d3sMzrf7+fvziF79ANBrFddddd9qv279/Py655BLEYjH8x3/8Bx555BG89957+PCHP4ze3t7iDVgmKhnCb3/7WxWAunnz5jGfv+KKK1S/368mEgmdRiafEydOnPK54eFhtaGhQb3ssst0GJH8/uIv/kK99tpr1c9+9rNqaWmp3sORytGjR9XS0lL1tttu03soUrv77rtVAOqhQ4fGfP4LX/iCCkANBAI6jczcUqmUmkqlVFVV1d7eXhWAumHDhlO+bu3atWptba06NDSkfa69vV11Op3qN77xjWINVyrMABrEU089BZ/Ph7Vr1475/Pr169Hd3Y0dO3boNDL51NfXn/I5n8+HxYsXo6urS4cRyW3Tpk146aWX8NOf/lTvoUjpoYcewsjICL75zW/qPRSpOZ1OAKeeHlFZWQmbzQaXy6XHsExPUZSzHqWaSCTwzDPP4JOf/OSYE0Gam5tx6aWX4qmnnir0MKXEANAg9uzZg0WLFsHhGHs63/Lly7X/T4UzNDSEt956C0uWLNF7KFI5efIk7rjjDvzgBz8o+LGJVvWHP/wB1dXV2L9/P1auXAmHw4H6+np86UtfQjAY1Ht40vjsZz+LyspK3HbbbWhra8Pw8DCeeeYZ/PznP8eXv/xllJaW6j1EaR0+fBijo6Pa8zDX8uXLcejQIUQiER1GZm4MAA2iv78f1dXVp3xefK6/v7/YQ7KUL3/5yxgZGcHdd9+t91Ck8td//dc455xzcNttt+k9FGkdO3YM4XAYa9euxQ033IDf//73uPPOO/HYY4/hmmuuYR1gnrS0tOBPf/oT9uzZg3nz5qG8vBzXXnstPvvZz+KBBx7Qe3hSE8+/0z0jVVXFwMBAsYdleo6zfwkVy5nS4GdLkdPU/cM//AP+/d//Hf/6r/+K888/X+/hSOOJJ57A008/jZ07d/L6LaBUKoVIJIINGzbgW9/6FgDgkksugcvlwh133IHnn38el19+uc6jNL/29nZce+21aGhowH/+53+irq4OO3bswL333otQKISHH35Y7yFKj8/I/GIAaBA1NTXjZvkCgQCA8Wc+NH3f/e53ce+99+L73/8+vvKVr+g9HGmEQiF8+ctfxt/8zd/A7/djcHAQABCLxQAAg4ODcDqdXDbLg5qaGhw8eBAf+9jHxnz+6quvxh133KG1zqDp+da3voVgMIhdu3Zp1+1HPvIR1NbW4uabb8Zf/dVf4eKLL9Z5lHKqqakBMP5KWCAQgKIoqKysLPKozI9LwAaxbNky7Nu3D4lEYsznd+/eDQBYunSpHsOS2ne/+1185zvfwXe+8x38/d//vd7DkUpfXx9OnDiBH/3oR6iqqtI+tmzZgpGREVRVVeGmm27Se5hSGK8uCoC29Guz8TafD7t27cLixYtPmbSsWrUKAOu0C2nevHnwer3a8zDX7t270draCo/Ho8PIzI13BoO4/vrrEQqF8MQTT4z5/MaNG+H3+7F69WqdRian733ve/jOd76Db3/729iwYYPew5HOjBkzsH379lM+Pvaxj8Hj8WD79u2499579R6mFD75yU8CALZt2zbm81u3bgUAXHjhhUUfk4z8fj/effddhEKhMZ//05/+BADc5FRADocD1157LZ588kkMDw9rn+/s7MT27duxZs0aHUdnXorKCmHDuPLKK/HGG2/g/vvvR2trK7Zs2YIHH3wQmzZtYrYkj370ox/h61//Oq666qpxgz8+MAvnc5/7HP7zP//zlIcoTc/HP/5x/O53v8O3v/1tXHjhhXjjjTfw3e9+F5dffjmefvppvYcnhd/85je47rrrsHr1anzta19DbW0tXn31Vdx3331oamrCzp072QpmirZt24aRkREMDw/j5ptvxtq1a/GpT30KAHDNNdegpKQE+/fvx6pVq3DeeefhW9/6FiKRCO655x4EAgHs2rULdXV1Ov8rTEjXLoQ0xvDwsPrVr35VnTFjhupyudTly5erW7Zs0XtY0rn44otVAKf9oMJhI+jCCIfD6je/+U21sbFRdTgcalNTk3rXXXepkUhE76FJ5YUXXlCvvPJKdcaMGarX61UXLFig/t3f/Z3a19en99BMrbm5+bT34yNHjmhf98Ybb6iXXXaZWlJSopaXl6vXXXfdKY25aeKYASQiIiKyGNYAEhEREVkMA0AiIiIii2EASERERGQxDACJiIiILIYBIBEREZHFMAAkIiIishgGgEREREQWwwCQiIiIyGIYABIRERFZDANAIiIiIothAEhERERkMQwAiYiIiCyGASARERGRxTAAJCIiIrIYBoBEREREFsMAkIiIiMhiGAASERERWQwDQCIiIiKLYQBIREREZDEMAImIiIgshgEgERERkcUwACQiIiKyGAaARERERBbDAJCIiIjIYhgAEhEREVkMA0AiIiIii2EASERERGQxDACJiIiILIYBIBEREZHFMAAkIiIishgGgEREREQW8/8Db/fdDBwp0nwAAAAASUVORK5CYII=", "text/html": [ "\n", "
\n", "
\n", " Figure\n", "
\n", " \n", "
\n", " " ], "text/plain": [ "Canvas(toolbar=Toolbar(toolitems=[('Home', 'Reset original view', 'home', 'home'), ('Back', 'Back to previous …" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "import matplotlib.pylab as plt\n", "import numpy as np\n", "\n", "fig, ax = plt.subplots()\n", "t = np.linspace(0, 10, 100)\n", "ax.plot(t, np.cos(t) * np.sin(t))\n" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Further reading" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "* https://matplotlib.org/stable/gallery/index.html - A large gallery showcaseing various types of plots matplotlib can create. Highly recommended! \n", "* http://www.matplotlib.org - The project web page for matplotlib.\n", "* https://github.com/matplotlib/matplotlib - The source code for matplotlib.\n", "* http://www.loria.fr/~rougier/teaching/matplotlib - A good matplotlib tutorial.\n", "* https://scipy-lectures.org/index.html - Another good resource on use of Python in science, including a chapter on [matplotlib](https://scipy-lectures.org/intro/matplotlib/index.html), [image manipulation](https://scipy-lectures.org/advanced/image_processing/index.html), and [image processing](https://scipy-lectures.org/packages/scikit-image/index.html#scikit-image-image-processing)\n" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Notebooks and publications: good practice" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "For scientific reports, publications, theses, etc:\n", "\n", "- use Jupyter Notebook to create figures (for example one notebook per Figure)\n", "- fully automated the process\n", "- publish notebook with paper (or at least archive it together with the thesis/data/...)\n", "\n", "Example from publication [Frequency-based nanoparticle sensing over large field ranges using the ferromagnetic resonances of a magnetic nanodisc: supplementary material](http://iopscience.iop.org/article/10.1088/0957-4484/27/45/455502/meta):\n", "\n", "- [Github repository](https://github.com/maxalbert/paper-supplement-nanoparticle-sensing) with notebooks to reproduce all figures in paper\n", "\n", "- [List of notebooks](https://github.com/maxalbert/paper-supplement-nanoparticle-sensing/tree/master/notebooks)" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "See also: Marijan Beg; Juliette Belin; Thomas Kluyver; Alexander Konovalov; Min Ragan-Kelley; Nicolas Thiery; Hans Fangohr. [Using Jupyter for Reproducible Scientific Workflows](https://doi.org/10.1109/MCSE.2021.3052101) in Computing in Science & Engineering, vol. 23, no. 2, pp. 36-46, 1 March-April 2021, doi: 10.1109/MCSE.2021.3052101 [arXiv](https://arxiv.org/abs/2102.09562) (2021)" ] }, { "cell_type": "code", "execution_count": 70, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "'3.9.2'" ] }, "execution_count": 70, "metadata": {}, "output_type": "execute_result" } ], "source": [ "matplotlib.__version__" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [ { "data": { "text/plain": [ "[None]" ] }, "execution_count": 3, "metadata": {}, "output_type": "execute_result" }, { "data": { "image/png": "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", "text/plain": [ "
" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "import matplotlib.pyplot as plt\n", "import numpy as np\n", "\n", "from matplotlib.patches import PathPatch\n", "from matplotlib.path import Path\n", "\n", "N = 40\n", "t = np.linspace(0, 2 * np.pi, N)\n", "r = 0.5 + np.cos(t)\n", "x, y = r * np.cos(t), r * np.sin(t)\n", "\n", "fig, ax = plt.subplots()\n", "ax.plot(x, y, \"ko\", alpha=0.1)\n", "ax.set(aspect=1)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [] } ], "metadata": { "kernelspec": { "display_name": "Python 3 (ipykernel)", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.12.6" } }, "nbformat": 4, "nbformat_minor": 4 }