fig, ax1 = plt.subplots() color = 'tab:red' ax1.set_xlabel('Index') ax1.set_ylabel('MEDV', color=color) ax1.plot(data['MEDV'], color=color) ax1.tick_params(axis='y', labelcolor=color) ax2 = ax1.twinx() color = 'tab:blue' ax2.set_ylabel('CRIM', color=color) ax2.plot(data['CRIM'], color=color) ax2.tick_params(axis='y', labelcolor=color) fig.tight_layout() plt.title('Line plot of CRIM and MEDV') plt.show() # 绘制CRIM和MEDV的散点图 plt.scatter(data.index, data['CRIM'], s=5) plt.scatter(data.index, data['MEDV'], s=5) plt.legend() plt.ylabel('Value') plt.xlabel('Index') plt.show()

这是一个使用matplotlib库在Python中绘制线图和散点图的代码示例。第一段代码绘制了'MEDV'和'CRIM'之间的线图。通过调用subplots函数创建一个包含两个子图的图表，其中ax1是左侧子图，ax2是右侧子图。在左侧子图中，'MEDV'被设置为纵坐标，'CRIM'被设置为右侧子图的纵坐标。在右侧子图中，'CRIM'被设置为纵坐标。通过设置tick_params函数中的labelcolor参数，使得左右两个子图的刻度标签颜色不同。最后，使用tight_layout函数调整图表布局，并使用show函数显示图表。

第二段代码绘制了'MEDV'和'CRIM'之间的散点图。使用scatter函数绘制散点图，其中x轴被设置为数据的索引，y轴被设置为'MEDV'和'CRIM'。使用legend函数添加图例，使得可以区分'MEDV'和'CRIM'的散点图。最后，使用ylabel和xlabel函数设置横纵坐标的标签，并使用show函数显示图表。

相关问题

fig, ax1 = plt.subplots(

fig, ax1 = plt.subplots()是用于创建一个包含一个子图的Figure对象和一个Axes对象的函数[^1]。其中，Figure对象代表整个图形窗口，而Axes对象则代表一个具体的绘图区域。

下面是一个示例，演示了如何使用fig, ax1 = plt.subplots()创建一个包含两个子图的图形窗口，并在每个子图中绘制不同的数据[^2]：

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)

# 创建图形窗口和子图
fig, ax1 = plt.subplots()

# 在第一个子图中绘制数据
ax1.plot(x, y1, 'b', lw=1.5, label='1st')
ax1.plot(x, y1, 'ro')
ax1.grid(True)
ax1.legend(loc=0)
ax1.set_xlabel('index')
ax1.set_ylabel('value 1st')
ax1.set_title('A Simplot plot')

# 创建第二个子图
ax2 = ax1.twinx()

# 在第二个子图中绘制数据
ax2.plot(x, y2, 'g', lw=1.5, label='2nd')
ax2.plot(x, y2, 'ro')
ax2.legend(loc=0)
ax2.set_ylabel('value 2nd')

# 显示图形
plt.show()

这段代码会创建一个包含两个子图的图形窗口，其中第一个子图绘制了y1的数据，第二个子图绘制了y2的数据。每个子图都有自己的y轴，但共享x轴。在绘制完数据后，使用plt.show()函数显示图形。

fig, ax1 = plt.subplots去掉边框

要去掉边框，可以通过设置ax1的spines属性来实现。可以使用下面这行代码将ax1的边框设置为无：

ax1.spines['top'].set_visible(False)
ax1.spines['bottom'].set_visible(False)
ax1.spines['left'].set_visible(False)
ax1.spines['right'].set_visible(False)

这样就可以去掉ax1的边框了。