#绘制训练集真实值和预测值图像 plt.plot(train.index, train.values, label='Train') plt.plot(train.index, model_fit.predict(start=train.index[0], end=train.index[-1]), label='Predicted') plt.xlabel('Time/h') plt.ylabel('kwh') plt.title('Training Set') plt.legend() plt.show() #绘制测试集真实值和预测值图像 plt.plot(test.index, test.values, label='Test') plt.plot(test.index, predictions, label='Predicted') plt.xlabel('Time/h') plt.ylabel('kwh') plt.title('Testing Set') plt.legend() plt.show()将上述代码改写为将训练集和测试集分别绘制在两张图上

以下是将训练集和测试集分别绘制在两张图上的代码：

import matplotlib.pyplot as plt

# 绘制训练集真实值和预测值图像
plt.subplot(2, 1, 1)  # 创建第一个子图
plt.plot(train.index, train.values, label='Train')
plt.plot(train.index, model_fit.predict(start=train.index[0], end=train.index[-1]), label='Predicted')
plt.xlabel('Time/h')
plt.ylabel('kwh')
plt.title('Training Set')
plt.legend()

# 绘制测试集真实值和预测值图像
plt.subplot(2, 1, 2)  # 创建第二个子图
plt.plot(test.index, test.values, label='Test')
plt.plot(test.index, predictions, label='Predicted')
plt.xlabel('Time/h')
plt.ylabel('kwh')
plt.title('Testing Set')
plt.legend()

plt.show()  # 显示图像

这样可以将训练集和测试集的真实值和预测值分别绘制在两张图上，更加清晰地展示它们的特征。其中，`plt.subplot(2, 1, 1)`和`plt.subplot(2, 1, 2)`用于创建两个子图，`2`表示总行数，`1`表示总列数，`1`和`2`分别表示当前子图的行数和列数。