matplotlib多个数据展示在一个图

要在一个图上展示多个数据，可以使用matplotlib中的subplot()函数，该函数可以将画布分成多个子图，每个子图可以展示一个数据。

下面是一个示例代码，展示如何在一个图上展示两个数据：

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)

# 创建画布并分成两个子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 在子图1中展示数据1
ax1.plot(x, y1)
ax1.set_title('Sine Function')

# 在子图2中展示数据2
ax2.plot(x, y2)
ax2.set_title('Cosine Function')

# 设置整个画布的标题
fig.suptitle('Two Functions')

# 显示图像
plt.show()

该代码将画布分成两个子图，分别展示了sin(x)和cos(x)函数的图像。需要注意的是，subplot()函数的第一个参数表示子图的行数，第二个参数表示子图的列数，第三个参数表示子图的编号（从左到右、从上到下依次编号）。本示例中，我们将画布分成了1行2列的子图，指定了两个子图的编号，分别为1和2。

最后需要使用plt.show()函数显示图像。

相关问题

matplotlib数据处理

Matplotlib是一个用于开发2D图表的工具包，其主要用途是进行数据可视化。它提供了丰富的函数和方法来绘制各种类型的图表，包括折线图、柱状图、散点图等。通过Matplotlib，你可以直观地展示和分析数据。

如果你想要绘制一个简单的折线图，可以使用plt.plot()函数。例如，下面的代码将绘制一个包含三个数据点的折线图：

import matplotlib.pyplot as plt
plt.plot([1, 0, 9], [4, 5, 6])
plt.show()

如果你想要保存这个画布中的内容，可以使用plt.savefig()函数。下面的代码将保存折线图到指定的路径：

import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17, 18, 15, 11, 11, 13])
plt.savefig("路径")
plt.show()

如果你想要在一个折线图中画出多条直线，可以在plt.plot()中传入多组列表。下面的代码将绘制两条折线图：

import matplotlib.pyplot as plt
plt.plot([3,1,4,5,2])
plt.plot([2,3,1,4,5])
plt.show()

通过Matplotlib，你还可以使用子区域（subplot）来在一个画布中绘制多个图表。下面的代码将在一个画布中绘制两个子区域的折线图：

import matplotlib.pyplot as plt
plt.subplot(2, 1, 1)
plt.plot([1, 2, 3, 4, 5])
plt.subplot(2, 1, 2)
plt.plot([5, 4, 3, 2, 1])
plt.show()

上述是一些Matplotlib的基本用法，你可以根据自己的需求进一步探索和学习Matplotlib的其他功能和用法。

matplotlib数据集

根据提供的引用内容，可以看出这是关于matplotlib绘制箱线图的例子。箱线图是一种用于展示数据分布情况的图表，它可以显示出数据的中位数、四分位数、异常值等信息。在matplotlib中，可以使用plot()函数绘制箱线图，其中kind参数指定绘制的图表类型为box，subplots参数指定是否将每个特征的箱线图分别绘制在不同的子图中，layout参数指定子图的布局方式，sharex和sharey参数指定是否共享x轴和y轴刻度。

以下是一个绘制简单箱线图的例子：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据集
data = pd.read_csv('data.csv')

# 绘制箱线图
data.plot(kind='box')
plt.show()

如果要比较不同算法的表现，可以使用boxplot()函数绘制多个箱线图，并将它们放在同一个图表中。以下是一个绘制多个箱线图的例子：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
data1 = np.random.normal(100, 10, 200)
data2 = np.random.normal(90, 20, 200)
data3 = np.random.normal(80, 30, 200)
data4 = np.random.normal(70, 40, 200)
data = [data1, data2, data3, data4]

# 绘制箱线图
fig = plt.figure()
fig.suptitle('Algorithm Comparison')
ax = fig.add_subplot(111)
ax.boxplot(data)
ax.set_xticklabels(['data1', 'data2', 'data3', 'data4'])
plt.show()