`
cakin24
  • 浏览: 1396601 次
  • 性别: Icon_minigender_1
  • 来自: 西安
社区版块
存档分类
最新评论

使用matplotlib绘制多个图形单独显示

阅读更多

一 代码

  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3. #创建自变量数组
  4. x= np.linspace(0,2*np.pi,500)
  5. #创建函数值数组
  6. y1 = np.sin(x)
  7. y2 = np.cos(x)
  8. y3 = np.sin(x*x)
  9. #创建图形
  10. plt.figure(1)
  11. '''
  12. 意思是在一个2行2列共4个子图的图中,定位第1个图来进行操作(画图)。
  13. 最后面那个1表示第1个子图。那个数字的变化来定位不同的子图
  14. '''
  15. #第一行第一列图形
  16. ax1 = plt.subplot(2,2,1)
  17. #第一行第二列图形
  18. ax2 = plt.subplot(2,2,2)
  19. #第二行
  20. ax3 = plt.subplot(2,1,2)
  21. #选择ax1
  22. plt.sca(ax1)
  23. #绘制红色曲线
  24. plt.plot(x,y1,color='red')
  25. #限制y坐标轴范围
  26. plt.ylim(-1.2,1.2)
  27. #选择ax2
  28. plt.sca(ax2)
  29. #绘制蓝色曲线
  30. plt.plot(x,y2,'b--')
  31. plt.ylim(-1.2,1.2)
  32. #选择ax3
  33. plt.sca(ax3)
  34. plt.plot(x,y3,'g--')
  35. plt.ylim(-1.2,1.2)
  36. plt.show()
二 运行结果

 

 

  • 大小: 34.1 KB
分享到:
评论

相关推荐

    Python使用matplotlib绘制多个图形单独显示的方法示例

    下面我们将深入探讨如何使用`matplotlib`绘制多个图形单独显示。 首先,我们要导入必要的库,`numpy`用于生成数据,而`matplotlib.pyplot`则作为绘图的主要接口。以下是一段示例代码: ```python import numpy as ...

    python绘制旋风图

    # 传入数据列表绘制多个旋风图 plt.boxplot([category1_data, category2_data], labels=['分类1', '分类2']) # 其他标签和显示图形的代码保持不变 ``` 旋风图的主要组成部分包括: 1. 箱体(Box):表示数据的第25...

    Matplotlib.pdf

    ##### 3.2 多个图形和轴的操作 在进行复杂的数据可视化时,往往需要同时展示多个子图。可以通过 `plt.subplots()` 或 `plt.figure().add_subplot()` 创建多个子图,并设置它们之间的布局。 ##### 3.3 文本操作 在...

    python-matplotlib英文版翻译

    Python是一种广泛应用于数据科学和软件开发的编程语言,而Matplotlib是一个用于Python的开源绘图库,它允许用户创建高质量的图表和图形。Matplotlib支持多种图表类型,包括线图、条形图、散点图、堆叠图、饼图、3D...

    Python2.7 Win32 matplotlib模块以及其依赖模块打包(不含numpy和scipy)

    然而,`matplotlib`自身并非独立的,它依赖于多个其他库来实现其功能。在本压缩包中,包含了`matplotlib`及其几个关键依赖项的Windows 32位版本,用于在Python 2.7环境中安装。 首先,我们来看`matplotlib-1.4.3....

    matplotlib-3.3.4.tar.gz

    matplotlib不仅可以单独使用,还可以与其他数据分析库如pandas、numpy等无缝集成,使得数据预处理和可视化过程更为流畅。例如: ```python import pandas as pd df = pd.read_csv('data.csv') plt.plot(df['Date']...

    matplotlib笔记网页版和PyQt5笔记,博客也有相关原版笔记哦

    `matplotlib`是Python中最常用的2D绘图库,它提供了丰富的图形绘制功能,使得用户可以创建各种复杂的图表。以下是一些关键知识点: 1. **基本使用**: `matplotlib.pyplot`模块提供了面向对象的API(如`figure`, `...

    matplotlib-3.6.1.tar.gz

    4. **可定制性**:几乎每个图形元素(线条、文本、标记、颜色等)都可以单独调整,包括线条样式、填充颜色、字体、轴标签、图例等,使得生成的图形专业且符合个人风格。 5. **Jupyter Notebook兼容**:在Jupyter ...

    python3.3 matplotlib和pyparsing函数库

    - **图形布局**:`subplots()`函数用于创建多图布局,方便对比分析多个数据集。 - **交互式模式**:`plt.ion()`开启交互模式,可以在运行代码时实时更新图形。 - **保存图形**:`savefig()`函数可以将图形保存为各种...

    Matplotlib可视化分析实战

    axes是绘图区域,其中包含了坐标轴、图例、网格等元素,而figure则是一个包含一个或多个axes的容器,是整个图形的顶级对象。 接下来,我们将深入学习如何创建基本的图表类型,如线图、散点图、柱状图和直方图。线图...

    matplotlib 多个图像共用一个colorbar的实现示例

    在Python的可视化库matplotlib中,有时我们需要在一个图形中展示多个图像,并希望它们共享同一个颜色条(colorbar),以便直观地对比各个图像的颜色映射。在本示例中,我们将详细探讨如何实现这一功能。 首先,我们...

    python之matplotlib.pyplot迭代累积绘制曲线问题及解决办法

    然而,在循环中使用`pyplot`绘制图形时,一个常见的问题是图形会累积绘制,即每次迭代不仅会绘制新的图形,还会保留之前的绘制结果,导致最终显示的图像是所有迭代的叠加。这种现象在处理动态或迭代绘图时尤为明显,...

    小白学 Python 数据分析(18):Matplotlib(三)常用图表(上)

    在Python数据分析领域,Matplotlib库是绘制图形的基础工具,它提供了丰富的选项来创建各种图表,如折线图、散点图、柱状图等。在本篇内容中,我们将聚焦于Matplotlib的常用图表,特别是折线图的绘制。 折线图是分析...

    Python中的%matplotlib inline

    在标准的 Python shell 或 IDE 中,当你使用 `matplotlib.pyplot` 模块绘制图形时,通常会默认在新的窗口中显示这些图形。但在 Jupyter Notebook 中,`%matplotlib inline` 命令改变了这一行为,使得图形直接在当前...

    数据建模与分析-Matplotlib的综合应用

    Figure是整个图表的容器,可以包含多个Axes(轴),每个Axes代表一个独立的绘图区域。通过创建这些对象,我们可以定制图形的大小、布局和风格。例如,以下代码创建了一个新的Figure对象和一个Axes对象: ```python ...

    类似任务管理器中的动态曲线绘制

    2. **图形库与框架**:实现动态曲线绘制,开发者可能会使用如matplotlib、Echarts、D3.js等数据可视化库。对于Python开发者,matplotlib提供强大的绘图功能,可以方便地创建动态曲线;JavaScript开发者则可能选择D3....

    Matplotlib绘图资料,转运资料

    3. **绘制多个曲线** - **连续调用plot函数**:可以在同一图表上连续绘制多条曲线,如`plt.plot(x, y)`和`plt.plot(x1, y1)`。 - **一次性传入多对X,Y值**:在一个`plot`函数中传入多对坐标值,如`plt.plot(x1, ...

    numpy+matplotlib+six+dateutil+pytz+pyparsing.zip

    标题中的"numpy+matplotlib+six+dateutil+pytz+pyparsing.zip"是一个包含多个Python第三方库的压缩包,适用于Python 2.7版本,并且是针对Windows 7 64位系统的。这个压缩包里的每个子文件都是一个单独的安装程序,...

    Python数据科学速查表 - Matplotlib 绘图.pdf

    在Python数据科学中,Matplotlib 是一个至关重要的库,用于创建高质量的静态、动态和交互式的可视化图表。Matplotlib 提供了丰富的定制选项,能够帮助数据科学家深入理解数据并有效地传达发现。以下是一些关键的知识...

Global site tag (gtag.js) - Google Analytics