python如何在原始图figure(1)上的基础上继续作图形成figure(2)，且最终同时展示figure(1)和figure(2)

您可以使用`subplot`函数将整个图形分成多个子图，然后在子图上进行绘图。以下是一个示例代码，展示如何在原始图figure(1)上继续作图形成figure(2)，且最终同时展示figure(1)和figure(2)。

import numpy as np
import matplotlib.pyplot as plt

# 生成一些数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制figure(1)
plt.figure(1)
plt.plot(x, y1)
plt.title('Figure 1')

# 绘制figure(2)
plt.figure(2)
plt.subplot(211)
plt.plot(x, y1)
plt.title('Figure 2 (top)')
plt.subplot(212)
plt.plot(x, y2)
plt.title('Figure 2 (bottom)')

# 显示图形
plt.show()

这段代码将生成两个图形，figure(1)和figure(2)，figure(2)在整个图形中被分成了两个子图。最后，`show()`函数将同时展示figure(1)和figure(2)。

相关问题

如何在Python中作图？

在Python中，可以使用多个库来进行作图，其中最常用的是matplotlib库。下面是使用matplotlib库进行作图的基本步骤：

1. 安装matplotlib库：可以使用pip命令在终端中安装matplotlib库，如下所示：

   pip install matplotlib

2. 导入matplotlib库：在Python脚本中，使用import语句导入matplotlib库，如下所示：

   import matplotlib.pyplot as plt

3. 创建图形对象：使用plt.figure()函数创建一个图形对象，该对象可以包含一个或多个子图。如果只需要一个子图，可以省略这一步。

4. 绘制图形：使用plt.plot()函数绘制曲线图，或者使用其他函数绘制不同类型的图形，如散点图、柱状图等。可以设置各种属性，如颜色、线型、标签等。

5. 添加标题和标签：使用plt.title()函数添加标题，使用plt.xlabel()和plt.ylabel()函数添加x轴和y轴的标签。

6. 显示图形：使用plt.show()函数显示绘制的图形。

下面是一个简单的例子，演示如何在Python中使用matplotlib库绘制曲线图：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 绘制曲线图
plt.plot(x, y)

# 添加标题和标签
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")

# 显示图形
plt.show()

分别写一段根据桥梁GNSS加速度数据去噪并获取桥梁频率,作图展示的matlab和python代码

Matlab代码：

%读取数据
data = load('GNSS_acc_data.txt');

%去除噪声
fs = 100; %采样率
fc = 10; %截止频率
[b,a] = butter(2,fc/(fs/2)); %设计2阶巴特沃斯滤波器
acc_filtered = filtfilt(b,a,data); %零相移滤波

%获取频率
N = length(acc_filtered); %数据长度
t = (0:N-1)/fs; %时间轴
acc_fft = abs(fft(acc_filtered)); %进行傅里叶变换
f = (0:N-1)*(fs/N); %频率轴
f_bridge = f(acc_fft == max(acc_fft)); %获取峰值频率

%作图展示
subplot(2,1,1);
plot(t,data);
xlabel('Time (s)');
ylabel('Acceleration (m/s^2)');
title('Original GNSS Acceleration Data');
subplot(2,1,2);
plot(t,acc_filtered);
xlabel('Time (s)');
ylabel('Acceleration (m/s^2)');
title('Filtered GNSS Acceleration Data');
figure;
plot(f,acc_fft);
xlabel('Frequency (Hz)');
ylabel('Amplitude');
title('FFT of GNSS Acceleration Data');
hold on;
plot(f_bridge,max(acc_fft),'ro');
legend('FFT','Bridge Frequency');

Python代码：

#读取数据
import numpy as np
data = np.loadtxt('GNSS_acc_data.txt')

#去除噪声
from scipy.signal import butter, filtfilt
fs = 100 #采样率
fc = 10 #截止频率
b, a = butter(2, fc/(fs/2), 'lowpass') #设计2阶巴特沃斯滤波器
acc_filtered = filtfilt(b, a, data) #零相移滤波

#获取频率
N = len(acc_filtered) #数据长度
t = np.arange(N)/fs #时间轴
acc_fft = np.abs(np.fft.fft(acc_filtered)) #进行傅里叶变换
f = np.arange(N)*(fs/N) #频率轴
f_bridge = f[acc_fft == max(acc_fft)] #获取峰值频率

#作图展示
import matplotlib.pyplot as plt
plt.subplot(2,1,1)
plt.plot(t,data)
plt.xlabel('Time (s)')
plt.ylabel('Acceleration (m/s^2)')
plt.title('Original GNSS Acceleration Data')
plt.subplot(2,1,2)
plt.plot(t,acc_filtered)
plt.xlabel('Time (s)')
plt.ylabel('Acceleration (m/s^2)')
plt.title('Filtered GNSS Acceleration Data')
plt.figure()
plt.plot(f,acc_fft)
plt.xlabel('Frequency (Hz)')
plt.ylabel('Amplitude')
plt.title('FFT of GNSS Acceleration Data')
plt.plot(f_bridge,max(acc_fft),'ro')
plt.legend(['FFT','Bridge Frequency'])