python plot以后如何画第二章

PYTHON PLOT 以后如何画第二章

在使用Python进行数据可视化时，绘制多张图表是一个常见的需求。使用plt.figure()创建新图、使用plt.subplot()在同一窗口创建多个子图、使用plt.show()来显示图表。在这篇文章中，我将详细解释如何通过这些方法在Python中绘制多张图表，并提供一些个人经验和见解。

一、使用 `plt.figure()` 创建新图

当我们需要在一个脚本中绘制多张图时，可以使用plt.figure()来创建新的图表。这个函数会生成一个新的图窗口，使得我们可以在同一个脚本中绘制和展示多个图表。

1. 基本用法

plt.figure()的基本用法非常简单，只需要在绘制每一张新图之前调用这个函数。例如：

import matplotlib.pyplot as plt
绘制第一张图
plt.figure()
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Figure")
绘制第二张图
plt.figure()
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Second Figure")
plt.show()

在这个例子中，我们使用plt.figure()创建了两个独立的图表窗口，每个窗口包含一张图表。

2. 指定图编号

plt.figure()还允许我们通过参数num来指定图的编号，这对于管理多个图表非常有用。例如：

import matplotlib.pyplot as plt
创建第一张图，并指定编号为1
plt.figure(1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Figure")
创建第二张图，并指定编号为2
plt.figure(2)
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Second Figure")
切换回第一张图进行修改
plt.figure(1)
plt.plot([1, 2, 3], [7, 8, 9])
plt.title("Modified First Figure")
plt.show()

在这个例子中，通过指定图编号，我们可以在绘制完第二张图后，再次切换回第一张图进行修改。这种方式在需要频繁切换多个图表时非常有用。

二、使用 `plt.subplot()` 创建子图

在同一个窗口中绘制多个子图可以使得数据的对比更加直观。plt.subplot()函数允许我们在一个图窗口中创建多个子图，每个子图可以独立绘制。

1. 基本用法

plt.subplot()的基本用法是通过三个参数（行数、列数、索引）来指定子图的位置。例如：

import matplotlib.pyplot as plt
创建一个包含2行1列的图，并在第一个子图中绘制
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("Subplot 1")
在第二个子图中绘制
plt.subplot(2, 1, 2)
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Subplot 2")
plt.show()

在这个例子中，我们创建了一个包含两行一列的图表，并在每个子图中绘制不同的数据。

2. 调整子图间距

在绘制多个子图时，默认的子图间距可能不太符合我们的需求。可以使用plt.subplots_adjust()来调整子图之间的间距。例如：

import matplotlib.pyplot as plt
创建一个包含2行1列的图，并在第一个子图中绘制
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("Subplot 1")
在第二个子图中绘制
plt.subplot(2, 1, 2)
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Subplot 2")
调整子图间距
plt.subplots_adjust(hspace=0.5)
plt.show()

通过设置hspace参数，我们增加了两个子图之间的垂直间距，使得图表看起来更加美观。

三、使用 `plt.show()` 显示图表

plt.show()是用来显示所有已创建的图表的函数。在一个脚本中，可以多次调用plt.figure()和plt.subplot()来创建不同的图表和子图，最后使用一次plt.show()来展示所有图表。

1. 一次性显示所有图表

在一个脚本中，我们可以使用plt.show()一次性显示所有创建的图表。例如：

import matplotlib.pyplot as plt
创建第一张图
plt.figure()
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Figure")
创建第二张图
plt.figure()
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Second Figure")
显示所有图表
plt.show()

2. 分段显示图表

有时我们可能希望在创建图表后立即显示，而不是等待脚本结束后一次性显示。可以通过多次调用plt.show()来实现。例如：

import matplotlib.pyplot as plt
创建并显示第一张图
plt.figure()
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("First Figure")
plt.show()
创建并显示第二张图
plt.figure()
plt.plot([1, 2, 3], [6, 5, 4])
plt.title("Second Figure")
plt.show()

在这个例子中，每次创建图表后立即调用plt.show()来显示图表，这样可以在脚本运行过程中分段查看图表。

四、实际应用案例

为了更好地理解如何在实际应用中使用这些方法，下面是一个完整的案例，展示了如何在一个脚本中绘制多个图表和子图，并进行一些高级操作。

1. 数据准备

首先，我们需要准备一些数据。我们将使用numpy来生成一些示例数据：

import numpy as np
生成示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

2. 创建多个图表

接下来，我们将使用plt.figure()创建多个图表，并在每个图表中绘制不同的数据：

import matplotlib.pyplot as plt
创建第一张图
plt.figure()
plt.plot(x, y1, label='sin(x)')
plt.title("Sine Function")
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.legend()
创建第二张图
plt.figure()
plt.plot(x, y2, label='cos(x)')
plt.title("Cosine Function")
plt.xlabel("x")
plt.ylabel("cos(x)")
plt.legend()
创建第三张图
plt.figure()
plt.plot(x, y3, label='tan(x)')
plt.title("Tangent Function")
plt.xlabel("x")
plt.ylabel("tan(x)")
plt.legend()
plt.ylim(-10, 10)  # 限制y轴范围
显示所有图表
plt.show()

3. 创建子图

在同一个图窗口中创建多个子图，可以使用plt.subplot()函数：

# 创建包含2行1列的子图
plt.figure()
第一个子图
plt.subplot(2, 1, 1)
plt.plot(x, y1, label='sin(x)')
plt.title("Sine Function")
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.legend()
第二个子图
plt.subplot(2, 1, 2)
plt.plot(x, y2, label='cos(x)')
plt.title("Cosine Function")
plt.xlabel("x")
plt.ylabel("cos(x)")
plt.legend()
调整子图间距
plt.subplots_adjust(hspace=0.5)
显示图表
plt.show()

4. 高级操作

在实际应用中，我们可能需要进行一些高级操作，例如在同一个图表中绘制多个曲线，或者添加网格、注释等。下面是一些示例：

# 创建一个图表，并在其中绘制多条曲线
plt.figure()
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.plot(x, y3, label='tan(x)')
plt.title("Multiple Functions")
plt.xlabel("x")
plt.ylabel("Function Value")
plt.legend()
plt.grid(True)  # 添加网格
添加注释
plt.annotate('Max', xy=(np.pi/2, 1), xytext=(np.pi/2, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05))
显示图表
plt.show()

结论

通过以上示例和详细解释，我们可以看到在Python中绘制多张图表和子图的方法是非常多样和灵活的。使用plt.figure()创建新图、使用plt.subplot()在同一窗口创建多个子图、使用plt.show()来显示图表，这些方法可以满足我们在数据可视化中的各种需求。希望这篇文章能帮助你更好地理解和应用这些技术，提高你的数据可视化技能。