python 作图两张图同时存在

要在Python中同时显示两张图，您可以使用matplotlib库的子图功能。下面是一个示例代码，展示了如何绘制两个子图：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建第一个子图
plt.subplot(2, 1, 1)  # 2行1列，第1个子图
plt.plot(x, y1)
plt.title('Sin')

# 创建第二个子图
plt.subplot(2, 1, 2)  # 2行1列，第2个子图
plt.plot(x, y2)
plt.title('Cos')

# 显示图形
plt.tight_layout()  # 自动调整子图布局
plt.show()

这段代码会创建一个包含两个子图的图形窗口，一个子图显示正弦函数，另一个子图显示余弦函数。您可以根据需要调整子图数量、布局和标题等。运行代码后，将会显示两张图形。

相关问题

IRIS通过kmeans聚类后比较真值与聚类数据，通过python作图

好的，以下是一个示例代码，可以通过KMeans对IRIS数据集进行聚类，并作图进行比较：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import load_iris
from sklearn.decomposition import PCA

# 加载IRIS数据集
iris = load_iris()
X = iris.data
y = iris.target

# 对IRIS数据集进行KMeans聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# PCA降维
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X)

# 绘制真值散点图
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=y)
plt.title("Ground Truth")
plt.show()

# 绘制KMeans聚类结果散点图
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=kmeans.labels_)
plt.title("KMeans Clustering")
plt.show()

运行这段代码后，会先绘制出真值散点图，然后绘制出KMeans聚类结果散点图，可以通过比较这两张图来了解聚类效果。

pandas 帕累托分布和作图

帕累托分布是指一种数据分布，它可以用来描述一个数据集中值出现的频率。在 pandas 中，你可以使用 `Series.plot.hist()` 或者 `DataFrame.plot.hist()` 方法来绘制一个数据的帕累托分布图。

例如，你可以这样绘制一个 Series 的帕累托分布图：

import pandas as pd

s = pd.Series([1, 2, 3, 3, 3, 4, 5])

s.plot.hist()

这样会绘制出一张图，其中的每一条柱形图表示数据中的一个值出现的频率。

你也可以使用 `DataFrame.plot.hist()` 方法来绘制一个 DataFrame 中的数据的帕累托分布图，这将会在每一列上绘制一条柱形图。例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 3, 3, 4, 5], 'B': [1, 2, 2, 2, 3, 3, 4]})

df.plot.hist()

这将会绘制出一张图，其中有两条柱形图，分别表示数据列 A 和 B 中值出现的频率。