作为举例，小编拿出以前从期刊中保存的相对比较复杂的一副图片，带领大家利用python去重复整个过程。
本次选取的图片和复制出来的图片如下图，其中上图是从某期刊中截取的一幅比较典型的科研论文数据图，下边的图是用python在jupyternotebook里面重复出来的示意图，由于小编不可能有图片原来的实验数据，只能通过线型自己构造一些数据以供展示。可以看到，除了一些字体，颜色和图片的大小等需要仔细调整的地方，我们比较完美的还原了左边的数据图。下面，就让我们一步一步的跟随小编，看这幅图是如何被重构出来的。
本次示例只需要用到numpy和matplotlib两个python库，需要提前导入
由于没有真实的实验数据，小编根据图中情况自己构造了一些数据
得到了初始的图片
这个图片看起来和我们想要的相差很大，没有关系，matplotlib是一个非常强大的绘图库，让我们一点一点地去改进我们的图片
plt.xlim()和plt.ylim()语句可以让我们改变x坐标轴和y坐标轴的范围
ax是我们前面命名的一个画板对象的名字，如果需要改变坐标轴的刻度，可以通过ax.setxticks()设定x轴的刻度值，同时matplotlib允许我们通过tickparams()方法改变刻度值的一些属性，例如刻度值的朝向，颜色，长度和粗细等。
ax.plot()里面的color参数可以指定所画图线的颜色，颜色可以用0-1范围内的RGB值来确定。有的时候我们不能确定一个图线用什么样的颜色更协调，这时我们可以去观摩别的优秀期刊上面的图片的配色，然后用取色器拾取其颜色，用在我们的图片中。
matplotlib可以嵌入latex公式，只需要在r'$$'的两个$符号中间写入latex代码就可以。这样我们可以很方便的在图片的图例、坐标轴名称等地方嵌入latex公式
到此为止，我们的主图已经描绘的差不多了
接下来需要的就是分别按照上面描述的方法，把两个子图分别画出来
在绘制子图的过程中，我们用ax1.setxticklabels()来设定刻度值的内容，刻度值并不一定显示实际的数值，而可以显示字符串样式的内容。这样就方便了我们自定义一些非常规的坐标刻度值。同时，我们用ax_1.text()来自定义一些图片内的文字。
与子图一的绘制相似，子图二的绘制也比较简单。
在将三幅图结合为一幅图的过程中，我们使用fig.add_axes()命令来为图片添加子图，其中该方法中的四个参数分别是该子图的两个起始地点和宽、高度。通过调整这四个参数我们可以让子图到达我们想要的位置。
最终的效果图如图所示。
但同时，这种自定义太强的功能也给我们带来很多困扰，哪怕我们只想实现一个比较简单的功能，如果对matplotlib这个库不是那么熟悉的话，也需要查找半天。而如果画图者本人没有很高的审美的话，就很容易画出一些看上去不是很协调的图片。好在世界上同样有人想到了这一点，他们开发出了plotly这一个能很方便的画出非常美观图形的库和mpltex这个号称可以画出出版社级别图片的库，这两个功能强大的库我们将于接下来的系列教程中予以介绍～