了解 matplotlib 的坐標(biāo)系統(tǒng)，繪制圖形的時(shí)候，如果需要在圖上添加一些額外的元素或者說明文字，
就可以很好的控制添加元素和說明文字的位置。

寧城ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)的ssl證書銷售渠道，可以享受市場價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！

笛卡爾坐標(biāo)系和極坐標(biāo)系

matplotlib 使用2種坐標(biāo)系，笛卡爾坐標(biāo)系是默認(rèn)的，一般我們繪制的二維圖形基本都是笛卡爾坐標(biāo)系的。
比如各種柱狀圖，折線圖，散點(diǎn)圖等等。

但是，有些場景下，極坐標(biāo)能更好的展示分析的結(jié)果。
比如上面笛卡爾坐標(biāo)系下的柱狀圖，折線圖和散點(diǎn)圖在極坐標(biāo)系下顯示效果類似：

兩種坐標(biāo)系沒有高低之分，根據(jù)場景選擇合適的去展示。

圖形中的坐標(biāo)系

笛卡爾坐標(biāo)系和極坐標(biāo)系是宏觀上的坐標(biāo)系統(tǒng)，對于每個(gè)具體的圖形，matplotlib 為了更好的在圖形上繪制各種元素，
基于笛卡爾坐標(biāo)系或者極坐標(biāo)系，定義了繪制圖形的4個(gè)坐標(biāo)系：

1. FC：Figure coordinates，單位是像素
2. DC：Data coordinates，單位與顯示數(shù)據(jù)的單位相同
3. NFC：標(biāo)準(zhǔn)化的 FC，數(shù)據(jù)范圍 （0->1）
4. NDC：標(biāo)準(zhǔn)化的 DC，數(shù)據(jù)范圍 （0->1）

在笛卡爾坐標(biāo)系下：

在極坐標(biāo)系下：

圖形中坐標(biāo)系之間的轉(zhuǎn)換

matplotlib 提供了接口，可以在4種坐標(biāo)系之間的坐標(biāo)是可以互相轉(zhuǎn)換的。

對于如下的示例圖形，提供的6種坐標(biāo)系之間的轉(zhuǎn)換接口如下：

fig = plt.figure(figsize=(6, 5), dpi=100)
ax = fig.add_subplot(1, 1, 1)
ax.set_xlim(0,360), ax.set_ylim(-1,1)

一共4種坐標(biāo)系，如果兩兩之間都可以互相轉(zhuǎn)換，應(yīng)該有12種情況，這里卻只有6種情況。
這是因?yàn)槠渌那闆r可以由上面這6種接口推導(dǎo)出來，比如：

1. DC_to_NDC = FC_to_NDC(DC_to_FC)
2. DC_to_NFC = FC_to_NFC(DC_to_FC)
3. ... ... 等等

下面，用github上一段開源代碼示例看看轉(zhuǎn)換的結(jié)果：

# ----------------------------------------------------------------------------
# Title:   Scientific Visualisation - Python & Matplotlib
# Author:  Nicolas P. Rougier
# License: BSD
# ----------------------------------------------------------------------------
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.transforms as transforms

fig = plt.figure(figsize=(6, 5), dpi=100)
ax = fig.add_subplot(1, 1, 1)

ax.set_xlim(0, 360)
ax.set_ylim(-1, 1)

DC_to_FC = ax.transData.transform
FC_to_DC = ax.transData.inverted().transform

NDC_to_FC = ax.transAxes.transform
FC_to_NDC = ax.transAxes.inverted().transform

NFC_to_FC = fig.transFigure.transform
FC_to_NFC = fig.transFigure.inverted().transform


print(NFC_to_FC([1, 1]))  # (600,500)
print(NDC_to_FC([1, 1]))  # (540,440)
print(DC_to_FC([360, 1]))  # (540,440)

DC_to_NDC = lambda x: FC_to_NDC(DC_to_FC(x))

print(DC_to_NDC([0, -1]))  # (0.0, 0.0)
print(DC_to_NDC([180, 0]))  # (0.5, 0.5)
print(DC_to_NDC([360, 1]))  # (1.0, 1.0)