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怎么将多个图表用一个窗口展示

在Matplotlib中，可以使用子图（subplot）来将多个图表绘制在同一张画布上。通过使用子图，可以将一个画布分成多个网格，然后在不同的网格中绘制不同的图表。

下面是一个绘制多个图表的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 2*np.pi, 50)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建画布和子图
fig, axs = plt.subplots(2, 2, figsize=(8, 6))

# 在第一个子图中绘制正弦函数
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sine')

# 在第二个子图中绘制余弦函数
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cosine')

# 在第三个子图中绘制正切函数
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('Tangent')

# 在第四个子图中绘制正弦函数和余弦函数
axs[1, 1].plot(x, y1, label='Sine')
axs[1, 1].plot(x, y2, label='Cosine')
axs[1, 1].legend()
axs[1, 1].set_title('Sine and Cosine')

plt.tight_layout()  # 自动调整子图之间的间距
plt.show()

在上述代码中，我们使用`plt.subplots`函数创建了一个包含4个子图的画布，并将其存储在`fig`和`axs`变量中。然后，我们在不同的子图中绘制了不同的函数，并设置了各自的标题。最后，我们使用`plt.tight_layout()`函数调整了子图之间的间距，以便子图布局更加紧凑。最后，我们使用`plt.show()`函数显示了整个图表。

matplotlib 多列数据

在Matplotlib中，要实现多列数据的可视化，可以使用subplot函数来创建多个子图，并将它们排列在一个大的图像中。通过指定子图的行数和列数，可以控制子图的布局。每个子图可以使用不同的数据进行绘制，从而实现多列数据的可视化。

以下是一个示例代码，展示了如何使用subplot函数创建一个包含多个子图的图像，并在每个子图中绘制不同的数据：

import matplotlib.pyplot as plt

# 创建一个2行2列的图像，并指定每个子图的位置
fig, axes = plt.subplots(nrows=2, ncols=2)

# 在第一个子图中绘制数据1
axes\[0, 0\].plot(data1)

# 在第二个子图中绘制数据2
axes\[0, 1\].plot(data2)

# 在第三个子图中绘制数据3
axes\[1, 0\].plot(data3)

# 在第四个子图中绘制数据4
axes\[1, 1\].plot(data4)

# 可以对每个子图进行进一步的设置，如添加标题、坐标轴标签等
axes\[0, 0\].set_title('Plot 1')
axes\[0, 1\].set_title('Plot 2')
axes\[1, 0\].set_title('Plot 3')
axes\[1, 1\].set_title('Plot 4')

# 调整子图之间的间距
plt.tight_layout()

# 显示图像
plt.show()

在这个示例中，我们创建了一个2行2列的图像，即总共有4个子图。然后，我们在每个子图中使用不同的数据进行绘制，并对每个子图进行了一些设置，如添加标题。最后，通过调用`plt.tight_layout()`函数，我们调整了子图之间的间距，以确保它们不会重叠。

这样，我们就可以在一个图像中同时展示多列数据的可视化结果了。
#### 引用[.reference_title]
- *1* *2* *3* [matplotlib布局_Matplotlib多列，行跨度布局](https://blog.csdn.net/weixin_26746401/article/details/108498959)[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^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]