plt.subplots一个图上多条折线怎么画

使用plt.subplots可以方便地在一个图上绘制多个子图，每个子图可以绘制一条或多条折线。下面的代码演示如何在一个图上绘制两条折线：

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y1 = [1, 4, 9, 16]
y2 = [2, 5, 10, 17]

fig, ax = plt.subplots()

ax.plot(x, y1)
ax.plot(x, y2)

plt.show()

这段代码中，plt.subplots()会返回一个包含fig和ax两个对象的元组，其中fig表示整个图像，ax表示子图。调用ax.plot函数可以在子图中绘制折线，从而在同一个图中绘制多条折线。需要注意的是，在绘制多个子图时，可以通过plt.subplots()的参数来指定子图的行列数和位置。例如，plt.subplots(2,2)可以返回一个包含4个子图的2x2网格，plt.subplots(2,3)可以返回一个包含6个子图的2x3网格。

相关问题

def plot_rate( rate_his, rolling_intv = 50, ylabel='标准化计算速率',ax=None): import matplotlib.pyplot as plt import pandas as pd import matplotlib as mpl rate_array = np.asarray(rate_his) # 将一个 Python 列表 rate_his 转换为 NumPy 数组 rate_array df = pd.DataFrame(rate_his) # 创建了一个名为df的Pandas DataFrame对象，将rata_his数据进行索引拆分过滤排序 if ax is None: fig, ax = plt.subplots(figsize=(15, 8)) mpl.style.use('seaborn') #设置matplotlib 库的绘图风格为 seaborn 风格 fig, ax = plt.subplots(figsize=(15,8))# 使用 Matplotlib 库创建一个带有指定大小的子图对象，宽为15，高为8 plt.plot(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values), 'b') #使用plt.plot函数将生成的x轴和y轴坐标绘制成折线图，并且'b' 表示蓝色的线条。 plt.fill_between(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).min()[0].values), np.hstack(df.rolling(rolling_intv, min_periods=1).max()[0].values), color = 'b', alpha = 0.2) #将这两个曲线之间的区域填充成颜色为蓝色、透明度为0.2的矩形 plt.ylabel(ylabel)# 设置纵轴标签 plt.xlabel('Time Frames')#设置横轴标签 plt.show()， plot_rate(Q.sum(axis=1)/N, 100, 'Average Data Queue') plot_rate(energy.sum(axis=1)/N, 100, 'Average Energy Consumption')，将多个函数绘制于横坐标相同的同一张图

可以通过将多个函数的数据合并成一个 NumPy 数组，然后在同一个子图对象上使用 plt.plot() 函数来绘制多条线路。下面是一个示例代码，其中包括两个函数 plot_rate() 的调用，用于在同一张图上绘制两条线路：

import numpy as np
import matplotlib.pyplot as plt

def plot_rate(rate_his, rolling_intv=50, ylabel='标准化计算速率', ax=None):
    import pandas as pd
    import matplotlib as mpl
    rate_array = np.asarray(rate_his)
    df = pd.DataFrame(rate_his)
    if ax is None:
        fig, ax = plt.subplots(figsize=(15, 8))
    mpl.style.use('seaborn')
    ax.plot(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values), 'b')
    ax.fill_between(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).min()[0].values), np.hstack(df.rolling(rolling_intv, min_periods=1).max()[0].values), color='b', alpha=0.2)
    ax.set_ylabel(ylabel)
    ax.set_xlabel('Time Frames')

# Generate some sample data
N = 1000
Q = np.random.normal(0.0, 1.0, (N, 10))
energy = np.random.normal(10.0, 1.0, (N, 10))

# Create a figure with two subplots
fig, (ax1, ax2) = plt.subplots(nrows=2, ncols=1, figsize=(15, 10))

# Plot the data queue rate on the first subplot
plot_rate(Q.sum(axis=1)/N, 100, 'Average Data Queue', ax=ax1)

# Plot the energy consumption rate on the second subplot
plot_rate(energy.sum(axis=1)/N, 100, 'Average Energy Consumption', ax=ax2)

# Show the plot
plt.show()

这段代码将生成两个包含随机数据的 NumPy 数组 Q 和 energy。我们使用这些数组中的数据来调用 plot_rate() 函数，将数据队列速率和能量消耗速率绘制在同一张图上的两个子图中。在这个示例中，我们使用了 plt.subplots() 函数来创建一个包含两个子图的图形，然后在每个子图上调用 plot_rate() 函数来绘制数据。

MatplotlibDeprecationWarning: Support for FigureCanvases without a required_interactive_framework attribute was deprecated in Matplotlib 3.6 and will be removed two minor releases later. fig, axes = plt.subplots(nrows=1, ncols=1, figsize=(4, 4), dpi=300)

这个警告信息是由于 Matplotlib 3.6 开始，要求 FigureCanvas 对象必须有一个 `required_interactive_framework` 属性。如果 FigureCanvas 没有这个属性，就会出现这个警告信息。

解决这个警告信息的方法是为 FigureCanvas 添加 `required_interactive_framework` 属性。例如，如果您正在使用 Qt5Agg 后端，可以按照以下方式调整代码：

import matplotlib.pyplot as plt
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas

# 创建 Figure 对象和 FigureCanvas 对象
fig = plt.Figure(figsize=(4, 4), dpi=300)
canvas = FigureCanvas(fig)

# 添加 required_interactive_framework 属性
canvas.required_interactive_framework = 'qt5'

# 在 Figure 对象上绘制图形
ax = fig.add_subplot(111)
ax.plot([1, 2, 3], [4, 5, 6])

# 显示图形
canvas.draw()

在这个示例中，我们从 `matplotlib.backends` 中导入了 `FigureCanvasQTAgg` 类，它是一个使用 Qt5 后端的 FigureCanvas 类。然后，我们创建 Figure 对象和 FigureCanvas 对象，并将 `required_interactive_framework` 属性设置为 `'qt5'`。最后，我们在 Figure 对象上绘制了一条简单的折线，并在 Canvas 上绘制了图形。

请注意，您需要根据您使用的后端来设置 `required_interactive_framework` 属性。如果您使用的是其他后端，请查看 Matplotlib 文档以获取更多详细信息。