python绘制多张曲线图

时间: 2023-07-30 21:08:59 浏览: 30
要在Python中绘制多张曲线图,你可以使用`matplotlib`库。以下是一个示例代码,演示如何在同一图中绘制多条曲线: ```python import matplotlib.pyplot as plt # 创建数据 x = [1, 2, 3, 4, 5] y1 = [1, 4, 9, 16, 25] y2 = [1, 8, 27, 64, 125] y3 = [1, 16, 81, 256, 625] # 创建画布和子图 fig, ax = plt.subplots() # 绘制曲线 ax.plot(x, y1, label='Curve 1') ax.plot(x, y2, label='Curve 2') ax.plot(x, y3, label='Curve 3') # 添加图例 ax.legend() # 设置标题和坐标轴标签 ax.set_title('Multiple Curves') ax.set_xlabel('X') ax.set_ylabel('Y') # 显示图形 plt.show() ``` 这段代码会创建一个包含三条曲线的图形,每条曲线使用不同的颜色进行标识,并显示图例、标题以及坐标轴标签。你可以根据需要修改数据和设置以适应你的实际情况。
相关问题

python绘制两函数曲线图

要绘制两个函数的曲线图,你可以使用Python中的matplotlib库。首先,你需要导入numpy库和matplotlib.pyplot库。然后,你可以使用numpy的arange函数创建一个x轴的数组,指定x轴的范围和步长。接下来,你可以使用for循环计算每个x值对应的函数值,并将这些值存储在相应的列表中。最后,使用plt.plot函数绘制曲线图,并可以使用plt.ylim函数指定y轴的范围。下面是一个示例代码: ```python import numpy as np import matplotlib.pyplot as plt x = np.arange(-5, 5, 0.1) sigmoid, tanh = \[\], \[\] for t in x: y_sigmoid = 1 / (1 + np.exp(-t)) sigmoid.append(y_sigmoid) y_tanh = np.tanh(t) tanh.append(y_tanh) plt.plot(x, sigmoid, label='Sigmoid') plt.plot(x, tanh, label='Tanh') plt.legend() plt.show() ``` 这段代码将绘制Sigmoid函数和Tanh函数的曲线图。你可以根据需要修改x轴的范围、步长和函数的计算方式。同时,你还可以使用plt.ylim函数来限制y轴的范围。如果你想绘制其他函数的曲线图,只需在循环中计算相应的函数值,并使用plt.plot函数绘制即可。 #### 引用[.reference_title] - *1* [Python绘制简单函数曲线(包括坐标范围限制、刻度指定)](https://blog.csdn.net/yldmkx/article/details/123674659)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [python绘制激活函数曲线图及其导数曲线图,激活函数包括sigmoid、relu、tanh](https://blog.csdn.net/qq_33538651/article/details/114413440)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [python 绘制函数曲线图](https://blog.csdn.net/David_jiahuan/article/details/104260168)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

python绘制三维曲线图

要绘制三维曲线图,需要使用Python中的Matplotlib库的mplot3d子库。以下是一个简单的示例代码: ```python import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import axes3d # 生成数据 t = np.linspace(0, 10, 100) x = np.sin(t) y = np.cos(t) z = t # 绘制图形 fig = plt.figure() ax = fig.gca(projection='3d') ax.plot(x, y, z) # 设置坐标轴标签 ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 显示图形 plt.show() ``` 这段代码将绘制一个沿着曲线(x,y,z)=(sin(t),cos(t),t)的三维曲线图。你可以修改这些数据来绘制自己的曲线图。

相关推荐

在Python中绘制多条ROC曲线的方法如下: 1. 导入所需的库:import matplotlib.pyplot as plt 2. 准备数据:获取多个分类器的真正率(True Positive Rate, TPR)和假正率(False Positive Rate, FPR)曲线数据,这些数据可以通过调用分类器的评估函数获得。 3. 创建图像和子图对象:fig, ax = plt.subplots() 4. 循环绘制曲线:使用ax.plot()函数,一次绘制每个分类器的ROC曲线,传入分类器的TPR和FPR数据作为参数。 5. 添加标题和标签:使用ax.set()函数,设置图像的标题、X轴和Y轴的标签。 6. 设置图例:如果需要,使用ax.legend()函数,设置图例以显示每个分类器的标识。 7. 显示图像:使用plt.show()函数,显示绘制好的ROC曲线图像。 下面是一个简单的示例代码,其中包含了绘制两条ROC曲线的基本步骤: python import matplotlib.pyplot as plt # 准备数据 classifier_1_tpr = [0.1, 0.2, 0.4, 0.6, 0.8] # 分类器1的TPR数据 classifier_1_fpr = [0.2, 0.3, 0.5, 0.7, 0.9] # 分类器1的FPR数据 classifier_2_tpr = [0.2, 0.3, 0.5, 0.7, 0.9] # 分类器2的TPR数据 classifier_2_fpr = [0.1, 0.2, 0.4, 0.6, 0.8] # 分类器2的FPR数据 # 创建图像和子图对象 fig, ax = plt.subplots() # 绘制曲线 ax.plot(classifier_1_fpr, classifier_1_tpr, label='Classifier 1') ax.plot(classifier_2_fpr, classifier_2_tpr, label='Classifier 2') # 添加标题和标签 ax.set(title='ROC Curve', xlabel='False Positive Rate', ylabel='True Positive Rate') # 设置图例 ax.legend() # 显示图像 plt.show() 以上代码中,我们首先准备了两个分类器的TPR和FPR数据,然后使用ax.plot()函数绘制了两条ROC曲线,接着用ax.set()函数设置了标题和标签,最后使用ax.legend()函数设置了图例,最终使用plt.show()函数显示了绘制好的ROC曲线图像。

最新推荐

使用python动态生成波形曲线的实现

今天小编就为大家分享一篇使用python动态生成波形曲线的实现,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

python matplotlib绘制动态曲线 数据流可视化

很多时候需要在程序运行过程...本文总结了几种方法实现在程序运行中绘制动态图的方法,以画动态正弦曲线为例。 第一种方法:plt.show()放在程序最后 既然plt.show会阻塞后面的程序,那么就把plt.show放在程序最后。另外

python 画3维轨迹图并进行比较的实例

今天小编就为大家分享一篇python 画3维轨迹图并进行比较的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

SpringBoot+Vue的学生管理信息系统附加源码.rar

SpringBoot+Vue的学生管理信息系统附加源码.rar

客户信用等级分析表.xlsx

客户信用等级分析表.xlsx

MATLAB遗传算法工具箱在函数优化中的应用.pptx

MATLAB遗传算法工具箱在函数优化中的应用.pptx

网格QCD优化和分布式内存的多主题表示

网格QCD优化和分布式内存的多主题表示引用此版本:迈克尔·克鲁斯。网格QCD优化和分布式内存的多主题表示。计算机与社会[cs.CY]南巴黎大学-巴黎第十一大学,2014年。英语。NNT:2014PA112198。电话:01078440HAL ID:电话:01078440https://hal.inria.fr/tel-01078440提交日期:2014年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireU大学巴黎-南部ECOLE DOCTORALE d'INFORMATIQUEDEPARIS- SUDINRIASAACALLE-DE-FRANCE/L ABORATOIrEDERECHERCH EEE NINFORMATIqueD.坐骨神经痛:我的格式是T是博士学位2014年9月26日由迈克尔·克鲁斯网格QCD优化和分布式内存的论文主任:克里斯汀·艾森贝斯研究主任(INRIA,LRI,巴黎第十一大学)评审团组成:报告员:M. 菲利普�

gru预测模型python

以下是一个使用GRU模型进行时间序列预测的Python代码示例: ```python import torch import torch.nn as nn import numpy as np import pandas as pd import matplotlib.pyplot as plt # 加载数据 data = pd.read_csv('data.csv', header=None) data = data.values.astype('float32') # 划分训练集和测试集 train_size = int(len(data) * 0.7) train_data = d

vmware12安装配置虚拟机

如何配置vmware12的“首选项”,"虚拟网络编辑器","端口映射”,"让虚拟机连接到外网”

松散事务级模型的并行标准兼容SystemC仿真

松散事务级模型的并行标准兼容SystemC仿真