matplotlib使用for循环后图片重叠

如果你在使用 Matplotlib 时遇到了图片重叠的问题，很可能是因为你在循环中多次绘制了同一个图形，导致多个图形重叠在了一起。

为了解决这个问题，你可以在每次循环之前清空画布，或者使用不同的子图来绘制不同的图形。具体来说，你可以在循环前加上 `plt.cla()` 或 `plt.clf()` 来清空画布，或者使用 `plt.subplot()` 来创建子图，然后在每个子图上绘制不同的图形。

下面是一个使用 `plt.subplot()` 的例子：

import matplotlib.pyplot as plt

# 创建一个 2x3 的子图，用于绘制 6 张图像
fig, axes = plt.subplots(nrows=2, ncols=3)

# 在每个子图上绘制不同的图像
for i, ax in enumerate(axes.flatten()):
    x = [1, 2, 3]
    y = [i+1, i+2, i+3]
    ax.plot(x, y)
    ax.set_title(f'Plot {i+1}')

# 调整子图的间距和大小
fig.tight_layout()

# 显示图像
plt.show()

这个例子中，我们创建了一个 2x3 的子图，并在每个子图上绘制了不同的图像。由于每个子图都是独立的，因此不会发生图像重叠的问题。最后通过 `fig.tight_layout()` 来调整子图的间距和大小，以便更好地展示图像。

相关问题

方波绘制 方波可近似表示为多个正弦波的叠加，利用numpy和matplotlib 在坐标系中绘制方波的无穷级数表示，方波无穷级数表达式如下: 参考教材250页微实例9.1，9.2，编写代码绘制方波。 生成的图像参考（可自行调整k的取值使图像平滑，考虑可否仅用ndarray数组的知识解决，不使用for或者while循环）

以下是使用numpy和matplotlib绘制方波的代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义方波函数
def square_wave(x, k):
    result = np.zeros_like(x)
    for n in range(1, k+1):
        result += np.sin((2*n-1)*x) / (2*n-1)
    return 4/np.pi * result

# 生成x坐标轴上的点
x = np.linspace(-np.pi, np.pi, 1000)

# 绘制方波
for k in [1, 3, 5, 10, 30, 100]:
    y = square_wave(x, k)
    plt.plot(x, y, label=f'k={k}')

# 设置图像标题和标签
plt.title('Square Wave')
plt.xlabel('x')
plt.ylabel('y')

# 显示图例和图像
plt.legend()
plt.show()

其中，`square_wave`函数用于计算方波的无穷级数表示，`x`是x坐标轴上的点，`k`是无穷级数中的上限。在主函数中，我们用`for`循环绘制了不同上限`k`的方波，并使用`plt.plot`函数绘制出图像。最后，我们添加了图像的标题、标签和图例，并使用`plt.show`函数显示图像。

执行上述代码后，会生成如下图所示的方波图像：


for i in range(gmm.n_components): plt.figure(i) alg = TotalGreedyCoverage(aoi2, out_trajectories2, 4, debug=False) mrs = alg.solution() # get multi round solution assert mrs is not None, "solution not found" mrs.plot("TC-GaP") 经过for循环生成的多张图片plt.figure(i)上的曲线，如何能叠加在一张图片上

你可以在循环外先创建一个新的 figure 对象，然后在循环中使用 subplot 函数将每个子图添加到这个新的 figure 中，最终将所有的曲线叠加在同一张图片上。修改后的代码如下所示：

import matplotlib.pyplot as plt

fig = plt.figure()  # 创建新的 figure 对象

for i in range(gmm.n_components):
    plt.subplot(gmm.n_components, 1, i+1)  # 添加子图
    alg = TotalGreedyCoverage(aoi2, out_trajectories2, 4, debug=False)
    mrs = alg.solution()
    assert mrs is not None, "solution not found"
    mrs.plot("TC-GaP")

plt.tight_layout()  # 调整子图之间的间距
plt.show()  # 显示图像

其中，`plt.subplot(gmm.n_components, 1, i+1)` 函数用于在当前 figure 对象中添加一个 `gmm.n_components` 行、1 列的子图，并将当前子图的编号设为 `i+1`。`plt.tight_layout()` 函数用于调整子图之间的间距，使得它们更加紧凑。最后，使用 `plt.show()` 函数显示图像。