程序放在Gitee上：https://gitee.com/yhli/misc/tree/master/nebtools

curve版本画出来是这种效果：

line版画出来是这种效果：

代码不复杂，通过这几行指定每个image的能量和线型：

x = [0, 1, 2, 3, 4]
add_mep(x, [0, 3.04, 2.50, 4.34, 2.67], ["k", "b", "r", "c" ,"m"],
       color="k", linestyle="-", label="Path-A")
add_mep(x, [0, 2.70, 2.95, 1.35, 2.00], ["k", "b", "r", "c" ,"m"],
       color="b", linestyle="-", label="Path-B")

add_mep这个函数接受3个args和很多个kwargs。三个args分别是每个image对应的位置（通常设置为等差级数），每个image的能量，和每个image能级的颜色。剩下的kwargs则指定连接每个image的三次曲线或直线的颜色、线型、图例等。

构造连接每个image的曲线的算法比较有意思，当初想了一会儿才想出来。直接用三次样条插值或者拟合都不行，最终想到将反应路径分段，每两个image之间产生一条曲线。这条曲线在每个image的x坐标处导数等于零，便能保证曲线光滑。两个数据点功能产生四个等式，三次多项式正好有四个待定系数，最终转化成一个线性方程组求根的问题：

A = np.array([[x0**3,   x0**2, x0, 1],
        [x1**3,   x1**2, x1, 1],
        [3*x0**2,  2*x0,  1, 0],
        [3*x1**2,  2*x1,  1, 0]])
b = np.array([y0, y1, 0, 0])
coeff = np.linalg.solve(A, b)
xfi = np.linspace(x0, x1, 51)
yfi = np.polyval(coeff, xfi)