fig, axs = plt.subplots(3, 4, figsize=(15, 10))去掉第十一和第十二张图

可以使用 `axs[-1, -1].remove()` 和 `axs[-1, -2].remove()` 去掉第十一和第十二张图，修改后的代码如下：

fig, axs = plt.subplots(3, 4, figsize=(15, 10))
axs[-1, -1].remove() # 去掉第十二张子图
axs[-1, -2].remove() # 去掉第十一张子图

相关问题

import pandas as pd import matplotlib.pyplot as plt # 读取数据 df = pd.read_excel('E:/应统案例大赛/附件1-股票交易数据/yuceclose5.xlsx', usecols=[0,1, 2, 3, 4, 5], index_col=0, parse_dates=True) # 计算涨跌幅 change = df.pct_change() # 绘制图表 fig = plt.figure(figsize=(60,6)) change.plot() plt.xlabel('日期') plt.ylabel('涨跌幅') plt.title('股票涨跌幅') plt.legend(loc='center left', bbox_to_anchor=(1.0, 0.5)) plt.autoscale(enable=True, axis='x', tight=True) plt.savefig(f'E:/应统案例大赛/附件1-股票交易数据/股票涨跌幅.jpg') plt.show()放五张图并合起来

可以使用`subplots`函数创建一个包含5个子图的画布，并在每个子图中分别绘制涨跌幅数据。然后使用`savefig`函数将整个画布保存为一张图片。代码如下：

import pandas as pd 
import matplotlib.pyplot as plt   

# 读取数据 
df = pd.read_excel('E:/应统案例大赛/附件1-股票交易数据/yuceclose5.xlsx', usecols=[0,1, 2, 3, 4, 5], index_col=0, parse_dates=True)  

# 计算涨跌幅 
change = df.pct_change()  

# 创建画布
fig, axs = plt.subplots(nrows=5, ncols=1, figsize=(20, 20))

# 绘制子图
axs[0].plot(change['股票1'])
axs[0].set_title('股票1')

axs[1].plot(change['股票2'])
axs[1].set_title('股票2')

axs[2].plot(change['股票3'])
axs[2].set_title('股票3')

axs[3].plot(change['股票4'])
axs[3].set_title('股票4')

axs[4].plot(change['股票5'])
axs[4].set_title('股票5')

# 设置横轴标签和标题
plt.xlabel('日期') 
fig.suptitle('股票涨跌幅') 

# 调整子图之间的间距
plt.tight_layout()

# 保存图片
plt.savefig(f'E:/应统案例大赛/附件1-股票交易数据/股票涨跌幅.jpg')

# 显示图片
plt.show()

这样就可以将5张图片绘制在一起，并保存为一张图片。其中`nrows`和`ncols`参数分别指定子图的行数和列数，`figsize`参数指定整个画布的大小，`axs`变量保存了所有子图的Axes对象，可以通过索引访问每个子图。`tight_layout`函数可以调整子图之间的间距，使得整个画布更加紧凑。

plt.subplot(221) plt.plot(x,y,color='r') 画4个子图，要求画出 y=x y=x2 y=cos(x) y=2x 4条基本函数曲线,曲线的的颜色和样式要不一致，4张图要有 标题（title）标签，标签为函数名（如第一张图的标签为'y=x'）

`plt.subplots()` 函数用于创建一个网格化的子图布局，而 `plt.subplot(221)` 在一个2行2列的网格中创建了第1个小图。接下来的代码将按照您的需求，在这4个小图上分别画出 `y=x`, `y=x^2`, `y=cos(x)` 和 `y=2x` 四种基本函数，并设置它们的颜色和样式各异，同时加上相应的标题和标签。

import matplotlib.pyplot as plt
import numpy as np

# 定义x值范围
x = np.linspace(-np.pi, np.pi, 100)

# 创建一个2行2列的子图网格
fig, axs = plt.subplots(2, 2, figsize=(8, 6))

# 图形1: y=x (红色实线)
axs[0, 0].set_title('y=x')
axs[0, 0].plot(x, x, 'r-', label='y=x')

# 图形2: y=x^2 (蓝色虚线)
axs[0, 1].set_title('y=x^2')
axs[0, 1].plot(x, x**2, 'b--', label='y=x^2')

# 图形3: y=cos(x) (绿色点状线)
axs[1, 0].set_title('y=cos(x)')
axs[1, 0].plot(x, np.cos(x), 'g:', label='y=cos(x)')

# 图形4: y=2x (紫色双折线)
axs[1, 1].set_title('y=2x')
axs[1, 1].plot(x, 2*x, 'purple-.', label='y=2x')

# 添加图例
for ax in axs.flat:
    ax.legend()

# 展示图形
plt.tight_layout()  # 保持子图间合适的间距
plt.show()