常連

閲覧ありがとうございます。Python３でmatplotlibを用いてグラフを表示させたいのですが表示されなくて困っています。
各種サイトで検索かけて調べたのですが改善されないので詳しい方、教えていただけると助かります。plt.savefig（）は正常に動作しておりグラフが保存されているため計算部分にミスはないと思われます。

### 発生している問題・エラーメッセージ

```
グラフが表示されない
plt.show() が動いていない。
```

### 該当のソースコード

python3

T = Trange

plt.figure()
plt.plot(T, E, 'rx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\langle E \rangle$ per site $(J)$')
plt.savefig("E8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, SpcH, 'kx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$C_V$ per site $(\frac{J^2}{k_B^2})$')
plt.savefig("Cv8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, M, 'bx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\langle|M|\rangle$ per site $(\mu)$')
plt.savefig("M8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, M_sus, 'gx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\chi$ $(\frac{\mu}{k_B})$')
plt.savefig("chi8.pdf", format='pdf', bbox_inches='tight')

plt.tight_layout()
fig = plt.gcf()
plt.show()

np.savetxt('output.data',np.c_[T,E,SpcH,M,M_sus])
```

### 試したこと

ここに問題に対して試したことを記載してください。

### 補足情報（FW/ツールのバージョンなど）

```

```python
import matplotlib
matplotlib.use('Agg')
import numpy as np
from numpy import linalg as LA
import matplotlib.pyplot as plt

L = 8
ESTEP = 1000
STEP = 10000

J = 1 # J>0 to make it ferromagnetic

# Intitialize the XY network
def Init():
    return np.random.rand(L, L)*2*np.pi
    #return np.ones([L, L])

# periodic neighbor
def next(x):
    if x == L-1:
        return 0
    else:
        return x+1

# construct the bond lattice
def FreezeBonds(Ising,T,S):
    iBondFrozen = np.zeros([L,L],dtype=int)
    jBondFrozen = np.zeros([L,L],dtype=int)
    for i in np.arange(L):
        for j in np.arange(L):
            freezProb_nexti = 1 - np.exp(-2 * J * S[i][j] * S[next(i)][j] / T)
            freezProb_nextj = 1 - np.exp(-2 * J * S[i][j] * S[i][next(j)] / T)
            if (Ising[i][j] == Ising[next(i)][j]) and (np.random.rand() < freezProb_nexti):
                iBondFrozen[i][j] = 1
            if (Ising[i][j] == Ising[i][next(j)]) and (np.random.rand() < freezProb_nextj):
                jBondFrozen[i][j] = 1
    return iBondFrozen, jBondFrozen

# H-K algorithm to identify clusters
def properlabel(prp_label,i):
    while prp_label[i] != i:
        i = prp_label[i]
    return i

# Swendsen-Wang cluster
def clusterfind(iBondFrozen,jBondFrozen):
    cluster = np.zeros([L, L],dtype=int)
    prp_label = np.zeros(L**2,dtype=int)
    label = 0
    for i in np.arange(L):
        for j in np.arange(L):
            bonds = 0
            ibonds = np.zeros(4,dtype=int)
            jbonds = np.zeros(4,dtype=int)

            # check to (i-1,j)
            if (i > 0) and iBondFrozen[i-1][j]:
                ibonds[bonds] = i-1
                jbonds[bonds] = j
                bonds += 1
            # (i,j) at i edge, check to (i+1,j)
            if (i == L-1) and iBondFrozen[i][j]:
                ibonds[bonds] = 0
                jbonds[bonds] = j
                bonds += 1
            # check to (i,j-1)
            if (j > 0) and jBondFrozen[i][j-1]:
                ibonds[bonds] = i
                jbonds[bonds] = j-1
                bonds += 1
            # (i,j) at j edge, check to (i,j+1)
            if (j == L-1) and jBondFrozen[i][j]:
                ibonds[bonds] = i
                jbonds[bonds] = 0
                bonds += 1

            # check and label clusters
            if bonds == 0:
                cluster[i][j] = label
                prp_label[label] = label
                label += 1
            else:
                minlabel = label
                for b in np.arange(bonds):
                    plabel = properlabel(prp_label,cluster[ibonds[b]][jbonds[b]])
                    if minlabel > plabel:
                        minlabel = plabel

                cluster[i][j] = minlabel
                # link to the previous labels
                for b in np.arange(bonds):
                    plabel_n = cluster[ibonds[b]][jbonds[b]]
                    prp_label[plabel_n] = minlabel
                    # re-set the labels on connected sites
                    cluster[ibonds[b]][jbonds[b]] = minlabel
    return cluster, prp_label

# flip the cluster spins
def flipCluster(Ising,cluster,prp_label):
    for i in np.arange(L):
        for j in np.arange(L):
            # relabel all the cluster labels with the right ones
            cluster[i][j] = properlabel(prp_label,cluster[i][j])
    sNewChosen = np.zeros(L**2)
    sNew = np.zeros(L**2)
    flips = 0 # get the number of flipped spins to calculate the Endiff and Magdiff
    for i in np.arange(L):
        for j in np.arange(L):
            label = cluster[i][j]
            randn = np.random.rand()
            # mark the flipped label, use this label to flip all the cluster elements with this label
            if (not sNewChosen[label]) and randn < 0.5:
                sNew[label] = +1
                sNewChosen[label] = True
            elif (not sNewChosen[label]) and randn >= 0.5:
                sNew[label] = -1
                sNewChosen[label] = True

            if Ising[i][j] != sNew[label]:
                Ising[i][j] = sNew[label]
                flips += 1

    return Ising,flips

# Swendsen-Wang Algorithm in Ising model (with coupling constant dependency on sites)
# One-step for Ising
def oneMCstepIsing(Ising, S):
    [iBondFrozen, jBondFrozen] = FreezeBonds(Ising, T, S)
    [SWcluster, prp_label] = clusterfind(iBondFrozen, jBondFrozen)
    [Ising, flips] = flipCluster(Ising, SWcluster, prp_label)
    return Ising

# Decompose XY network to two Ising networks with project direction proj
def decompose(XY,proj):
    x = np.cos(XY)
    y = np.sin(XY)
    x_rot = np.multiply(x,np.cos(proj))+np.multiply(y,np.sin(proj))
    y_rot = -np.multiply(x,np.sin(proj))+np.multiply(y,np.cos(proj))
    Isingx = np.sign(x_rot)
    Isingy = np.sign(y_rot)
    S_x = np.absolute(x_rot)
    S_y = np.absolute(y_rot)
    return Isingx, Isingy, S_x, S_y

# Compose two Ising networks to XY network
def compose(Isingx_new,Isingy_new,proj,S_x, S_y):
    x_rot_new = np.multiply(Isingx_new,S_x)
    y_rot_new = np.multiply(Isingy_new,S_y)
    x_new = np.multiply(x_rot_new,np.cos(proj))-np.multiply(y_rot_new,np.sin(proj))
    y_new = np.multiply(x_rot_new,np.sin(proj))+np.multiply(y_rot_new,np.cos(proj))
    XY_new = np.arctan2(y_new,x_new)
    return XY_new

def oneMCstepXY(XY):
    proj = np.random.rand()
    [Isingx, Isingy, S_x, S_y] = decompose(XY, proj)
    Isingx_new = oneMCstepIsing(Isingx, S_x)
    #Isingy_new = oneMCstepIsing(Isingy, S_y)
    # Here we only use the flopping of Ising in projection direction, without the perpendicular direction
    #XY_new = compose(Isingx_new, Isingy_new, proj, S_x, S_y)
    XY_new = compose(Isingx_new, Isingy, proj, S_x, S_y)
    return XY_new

# Calculate the energy for XY network
def EnMag(XY):
    energy = 0
    for i in np.arange(L):
        for j in np.arange(L):
            # energy
            energy = energy - (np.cos(XY[i][j]-XY[(i-1)%L][j])+np.cos(XY[i][j]-XY[(i+1)%L][j])+np.cos(XY[i][j]-XY[i][(j-1)%L])+np.cos(XY[i][j]-XY[i][(j+1)%L]))
    magx = np.sum(np.cos(XY))
    magy = np.sum(np.sin(XY))
    mag = np.array([magx,magy])
    return energy * 0.5, LA.norm(mag)/(L**2)

# Swendsen Wang method for XY model
def SWang(T):
    XY = Init()
    # thermal steps to get the equilibrium
    for step in np.arange(ESTEP):
        XY = oneMCstepXY(XY)
    # finish with thermal equilibrium, and begin to calc observables
    E_sum = 0
    M_sum = 0
    Esq_sum = 0
    Msq_sum = 0
    for step in np.arange(STEP):
        XY = oneMCstepXY(XY)
        [E,M] = EnMag(XY)

        E_sum += E
        M_sum += M
        Esq_sum += E**2
        Msq_sum += M**2

    E_mean = E_sum/STEP/(L**2)
    M_mean = M_sum/STEP
    Esq_mean = Esq_sum/STEP/(L**4)
    Msq_mean = Msq_sum/STEP

    return XY, E_mean, M_mean, Esq_mean, Msq_mean

M = np.array([])fig = plt.gcf()
E = np.array([])
M_sus = np.array([])
SpcH = np.array([])
Trange = np.linspace(0.1, 2.5, 10)
for T in Trange:
    [Ising, E_mean, M_mean, Esq_mean, Msq_mean] = SWang(T)
    M = np.append(M, np.abs(M_mean))
    E = np.append(E, E_mean)
    M_sus = np.append(M_sus, 1/T*(Msq_mean-M_mean**2))
    SpcH = np.append(SpcH, 1/T**2*(Esq_mean-E_mean**2))

# plot the figures
T = Trange

plt.figure()
plt.plot(T, E, 'rx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\langle E \rangle$ per site $(J)$')
plt.savefig("E8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, SpcH, 'kx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$C_V$ per site $(\frac{J^2}{k_B^2})$')
plt.savefig("Cv8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, M, 'bx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\langle|M|\rangle$ per site $(\mu)$')
plt.savefig("M8.pdf", format='pdf', bbox_inches='tight')

plt.figure()
plt.plot(T, M_sus, 'gx-')
plt.xlabel(r'Temperature $(\frac{J}{k_B})$')
plt.ylabel(r'$\chi$ $(\frac{\mu}{k_B})$')
plt.savefig("chi8.pdf", format='pdf', bbox_inches='tight')

plt.tight_layout()
fig = plt.gcf()
plt.show()

np.savetxt('output.data',np.c_[T,E,SpcH,M,M_sus])


```

python matplotlib グラフが表示されない

import japanize_matplotlib　
としたところ
ModuleNotFoundError: No module named 'japanize_matplotlib'
が出ました。
anaconda　を使っているので、
conda install japanaze_matplotlib
としましたが、
下記のように出てインストールできないです。
対処方法を教えていただきたいです。

Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.

PackagesNotFoundError: The following packages are not available from current channels:

  - japanize-matplotlib

Current channels:

  - https://repo.anaconda.com/pkgs/main/win-64
  - https://repo.anaconda.com/pkgs/main/noarch
  - https://repo.anaconda.com/pkgs/r/win-64
  - https://repo.anaconda.com/pkgs/r/noarch
  - https://repo.anaconda.com/pkgs/msys2/win-64
  - https://repo.anaconda.com/pkgs/msys2/noarch

To search for alternate channels that may provide the conda package you're
looking for, navigate to

    https://anaconda.org

and use the search bar at the top of the page.

conda 経由で japanaze-matplotlib　をインストールできない

matplotlib のadd_subplot メソッドの引数の数字は何を表しているのでしょうか？
例えば、
```ここに言語を入力
fig.add_subplot(1,1,1)
```
の1,1,1はどういう意味なのでしょうか？
ここを(2,2,2)にするとグラフが小さくなったのですが、果たしてこの３つの引数は何を調節しているのでしょうか？

add_subplot メソッドの引数の数字は何を表しているのか？

### 前提・実現したいこと
Python3で、曲線を描画するプログラムを作っています。
下記プログラムを実行すると、「RuntimeWarning: overflow encountered」という
エラーメッセージが出力されます。
動作上の問題はないのですが、エラーの解消方法を教えて下さい。


### エラーメッセージ
/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:11: RuntimeWarning: overflow encountered in exp
  # This is added back by InteractiveShellApp.init_path()


### 該当のソースコード
```Python
import numpy as np
import matplotlib.pyplot as plt
from ipywidgets import interact, FloatSlider, IntSlider
%matplotlib inline

def oppai(y,t):
    x_1 = (1.5 * np.exp((0.12*np.sin(t)-0.5) * (y + 0.16 *np.sin(t)) ** 2)) / (1 + np.exp(-20 * (5 * y + np.sin(t))))
    x_2 = ((1.5 + 0.8 * (y + 0.2*np.sin(t)) ** 3) * (1 + np.exp(20 * (5 * y +np.sin(t)))) ** -1)
    x_3 = (1+np.exp(-(100*(y+1)+16*np.sin(t))))
    x_4 = (0.2 * (np.exp(-(y + 1) ** 2) + 1)) / (1 + np.exp(100 * (y + 1) + 16*np.sin(t)))
    x_5 = (0.1 / np.exp(2 * (10 * y + 1.2*(2+np.sin(t))*np.sin(t)) ** 4))
    x = x_1 + (x_2 / x_3) + x_4 + x_5
    return x

t = FloatSlider(min=0.1, max=5.0, step=0.1, value=0)
y = np.arange(-3, 3.01, 0.01)

@interact(t=t)
def plot_oppai(t):
    x = oppai(y,t)
    plt.figure(figsize=(10,9))
    plt.axes().set_aspect('equal', 'datalim')
    plt.grid()
    plt.plot(x, y, 'black')
    plt.show()
```

### 試したこと
「@interact(t=t)」がエラーの原因なのかと疑っており、
Webで色々調べましたが、よく分かりませんでした。

### 補足情報（FW/ツールのバージョンなど）
なし

Pythonでエラー「RuntimeWarning: overflow encountered」の解消方法を教えて下さい

###前提・実現したいこと
matplotlibで描画したグラフを保存したいのですができません。


###発生している問題・エラーメッセージ
jupyterにはグラフが表示されています。
保存したファイルは存在しますが、開いても真っ白い画像です。


###該当のソースコード
```python
# coding: UTF-8
%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
import os
sns.set(font=['MS Gothic'])

plt.plot([1,2,3,4],[1,4,9,16],'bo',label = u"2乗")
plt.legend()
plt.xlabel(u"X軸")
plt.ylabel(u"Y軸")
plt.title(u"図 1.1")
plt.axis([0,5,0,25])
plt.show()
plt.savefig('image.jpg')
```

###試したこと
%matplotlib inlineをコメントにしてみましたが、変化なしです。なぜか、jupyterにグラフが表示されます。

conda update conda
conda update anaconda
でアップデートしましたが変わりませんでした。

###補足情報(言語/FW/ツール等のバージョンなど)
Current conda install:
               platform : win-64
          conda version : 4.3.13
       conda is private : False
      conda-env version : 4.3.13
    conda-build version : 1.20.0
         python version : 3.5.2.final.0
       requests version : 2.12.4
       root environment : f:\tool\Anaconda3  (writable)
    default environment : f:\tool\Anaconda3
       envs directories : f:\tool\Anaconda3\envs
                          C:\Users\mamma\AppData\Local\conda\conda\envs
                          C:\Users\mamma\.conda\envs
          package cache : f:\tool\Anaconda3\pkgs
                          C:\Users\mamma\AppData\Local\conda\conda\pkgs
           channel URLs : https://repo.continuum.io/pkgs/free/win-64
                          https://repo.continuum.io/pkgs/free/noarch
                          https://repo.continuum.io/pkgs/r/win-64
                          https://repo.continuum.io/pkgs/r/noarch
                          https://repo.continuum.io/pkgs/pro/win-64
                          https://repo.continuum.io/pkgs/pro/noarch
                          https://repo.continuum.io/pkgs/msys2/win-64
                          https://repo.continuum.io/pkgs/msys2/noarch
            config file : None
           offline mode : False
             user-agent : conda/4.3.13 requests/2.12.4 CPython/3.5.2 Windows/10 Windows/10.0.14393

matplotlib                2.0.0               np111py35_0
seaborn                   0.7.1                    py35_0


以上よろしくお願いします。

Python matplotlibのグラフが保存できない(windows+anaconda)

matplotlib.pyplotのライブラリ(pltとしてインポート)を使用して、図やグラフを表示する際にplt.show()を使用しますが、たまにこの関数を使用しても使用しなくても、同じように表示できるのにわざわざこの関数を使用する理由はなぜなのでしょうか？

```Python
    mglearn.plots.plot_2d_separator(svm,X_array)
    mglearn.discrete_scatter(X_array[:,0],X_array[:,1],y)
    plt.xlabel("Age") 
    plt.ylabel("Fare")
    plt.legend(["abc","alive"])
    plt.xlim([0,80])
    plt.ylim([-100,5])
```

例として、上のコードでplt.show()を最後の行に追記してもしなくても表示される図に違いがありません。

![イメージ説明](8f6e403fe9a3f2e1e46159a1674aefa1.png)
![イメージ説明](a55e906fe7da50a65ed013dcdfc55b06.png)

上の図のように完全に違いがありません。

plt.show()の必要性

### 前提・実現したいこと
各motion3個の線を表示させつつ(計10個の線)、凡例ラベルの同名で表示されているものを1つにまとめたい

### 発生している問題・エラーメッセージ
こちらの画像の凡例ラベルの[motion0],[motion2],[motion4]を一つだけ表示させたいのですが、以下の様に表示されてしまいます。同色の線を描画しつつ、同名のmotionを1つのみ表示させるには、どの箇所に変更点を加えれば良いかわからず、質問させていただきました。どうか、ご教示よろしくお願い致します。
![イメージ説明](bdb5f8cfb5a58e63f0ccf41ed9f24e26.png)

### 該当のソースコード
長く見づらくて申し訳ありませんが、ご覧いただけると幸いです。よろしくお願い致します。
```
#plot_Duplication.py

import pandas as pd
import matplotlib.pyplot as plt
import os
#####RuntimeWarning エラー回避
import numpy as np
np.seterr(divide='ignore', invalid='ignore')
#####

#出力処理
def Output():
    motions = ["0","2","4"]
    speedes02 = ["0","1","2"]    
    speedes4 = ["1","2","3","4"]
    TF = ["Time","Freq"]
    tp_list = ["pickup","torque"]
    Time_features = ["std","cf"]
    Freq_features = ["Rotation2_section2"]

    Date = input("日付入力:")
    mkdir = "//../Date"
    read_path = "//../filedata"
    os.chdir(read_path)
   
    for sample in samples:
        for tf in TF:
            for tp in tp_list:
                if tf in "Time":
                    for feature in Time_features:
                        plt.figure(figsize=(Xsize,Ysize))
                        plt.grid()
                        title_name = "Duplicated_"+feature
                        for motion in motions:
                            if motion in "4":
                                for speed in speedes4:
                                    df = pd.read_csv("Timedata.csv")
                                    df = df.query("motion_type in ["+motion+"] & speed_setting in ["+speed+"]")
                                    Time_feature_plot(df,feature,tf,tp,title_name,motion,speed)
                                    save=tp+"_"+sample+"_"+feature+"_duplicated.png"
                            else:
                                for speed in speedes02:
                                    df = pd.read_csv("Timedata.csv")
                                    df = df.query("motion_type in ["+motion+"] & speed_setting in ["+speed+"]")
                                    Time_feature_plot(df,feature,tf,tp,title_name,motion,speed)
                                    save=tp+"_"+sample+"_"+feature+"_duplicated.png"
                        graph_label(title_name,feature)
                        plt.savefig(mkdir+"/"+save)
                        
                elif tf in "Freq":
                    for feature in Freq_features:
                        plt.figure(figsize=(Xsize,Ysize))
                        plt.grid()
                        title_name = "Duplicated_"+feature
                        for motion in motions:
                            if motion in "4":
                                for speed in speedes4:
                                    df = pd.read_csv("Freqdata.csv")
                                    df = df.query("motion_type in ["+motion+"] & speed_setting in ["+speed+"]")
                                    Freq_feature_plot(df,feature,tf,tp,title_name,motion,speed)
                                    save=tp+"_"+sample+"_"+feature+"_duplicated.png"   
                            else:
                                for speed in speedes02:
                                    df = pd.read_csv("Freqdata.csv")
                                    df = df.query("motion_type in ["+motion+"] & speed_setting in ["+speed+"]")
                                    Freq_feature_plot(df,feature,tf,tp,title_name,motion,speed)
                                    save=tp+"_"+sample+"_"+feature+"_duplicated.png"
                        graph_label(title_name,feature)
                        plt.savefig(mkdir+"/"+save)

#Timefeature
def Time_feature_plot(df,feature,tf,tp,title_name,motion,speed):
    ot = df["operating_time"]
    fp = df[feature+"_section2_"+tp]
    if motion in "0":
        plt.plot(ot,fp,linestyle="solid",label=motion+"motion",color="red")
    if motion in "2":
        plt.plot(ot,fp,linestyle="solid",label=motion+"motion",color="blue")
    if motion in "4":
        plt.plot(ot,fp,linestyle="solid",label=motion+"motion",color="green")
        
#Freqfeature
def Freq_feature_plot(df,feature,tf,tp,title_name,motion,speed):
    ot = df["operating_time"]
    fp = df[feature]
    if motion in "0":
        plt.plot(ot,fp,linestyle="solid",label="motion"+motion,color="red")
    if motion in "2":
        plt.plot(ot,fp,linestyle="solid",label="motion"+motion,color="blue")
    if motion in "4":
        plt.plot(ot,fp,linestyle="solid",label="motion"+motion,color="green")
       
if __name__ == "__main__":

    #グラフサイズ手動設定
    """
    Xsize = int(input("グラフサイズX軸..."))
    Ysize = int(input("グラフサイズY軸..."))
    plt.rcParams["font.size"] = int(input("ラベルサイズ..."))
    """ 
    #グラフサイズ自動設定
    Xsize = 10
    Ysize = 10
    plt.rcParams["font.size"] = 16
    plt.rcParams["xtick.labelsize"]
    plt.rcParams["ytick.labelsize"]

    HDnumber = []
    samples = []
    #読み込むcsvファイル
    some_csv = int(input("読み込み数..."))
    for csv_cnt in range(some_csv):
        HDnumber = input("読み込みデータ番号:")
        samples.append(HDnumber)
    Output()
```

各凡例ラベルを1つのみ表示させたい

画像とヒートマップを使って、二つを重ねたり強調させた画像を表示させたいです。

**重ねる例**
![画像A](a4bd3ae7303b7c1655fdb22cd377261e.png)![ヒートマップ](018e2664ecdcfc5ad4f869d6f31bb5ab.jpeg)
画像はRGBの[224*224*3] 値は0~255
ヒートマップは[224*224]　値は0.~1.

作りたい画像
![合成A](9b531bf7533dd9d1db30313649963e95.jpeg)

**強調の例**
![画像B](9df5ea5d613ed669d608d23912969081.jpeg)![ヒートマップ](018e2664ecdcfc5ad4f869d6f31bb5ab.jpeg)
画像は[224*224*3] 値は0.~1.
ヒートマップは[224*224]　値は0.~1.

作りたい画像
![合成B](261b2cff1e0d8125e9ad47ddf3334c43.jpeg)

ライブラリはmatplotlibかopenCVの使用を考えています。
どのような計算、または関数を使用したら例に挙げた二つを実現できるのでしょうか。ご教示お願いします。

Matplotlib