186

我想绘制数据，然后创建一个新的图形并绘制 data2，最后回到原来的 plot 并绘制 data3，有点像这样：

import numpy as np
import matplotlib as plt

x = arange(5)
y = np.exp(5)
plt.figure()
plt.plot(x, y)

z = np.sin(x)
plt.figure()
plt.plot(x, z)

w = np.cos(x)
plt.figure("""first figure""") # Here's the part I need
plt.plot(x, w)

仅供参考我如何告诉 matplotlib 我已经完成了一个情节？做类似的事情，但不完全是！它不允许我访问那个原始情节。

4

6 回答 6

176

如果您发现自己经常做这样的事情，那么可能值得研究 matplotlib 的面向对象接口。在你的情况下：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(5)
y = np.exp(x)
fig1, ax1 = plt.subplots()
ax1.plot(x, y)
ax1.set_title("Axis 1 title")
ax1.set_xlabel("X-label for axis 1")

z = np.sin(x)
fig2, (ax2, ax3) = plt.subplots(nrows=2, ncols=1) # two axes on figure
ax2.plot(x, z)
ax3.plot(x, -z)

w = np.cos(x)
ax1.plot(x, w) # can continue plotting on the first axis

它有点冗长，但更清晰，更容易跟踪，特别是有几个数字，每个数字都有多个子图。

于 2011-08-04T01:40:38.750 回答
159

当你打电话时figure，只需给情节编号。

x = arange(5)
y = np.exp(5)
plt.figure(0)
plt.plot(x, y)

z = np.sin(x)
plt.figure(1)
plt.plot(x, z)

w = np.cos(x)
plt.figure(0) # Here's the part I need
plt.plot(x, w)

编辑：请注意，您可以根据需要对图进行编号（此处从 开始0），但如果您在创建新图时根本没有为图提供编号，则自动编号将从1（“Matlab 样式”根据到文档）。

于 2011-08-02T18:50:49.107 回答
20

但是，编号从 开始1，因此：

x = arange(5)
y = np.exp(5)
plt.figure(1)
plt.plot(x, y)

z = np.sin(x)
plt.figure(2)
plt.plot(x, z)

w = np.cos(x)
plt.figure(1) # Here's the part I need, but numbering starts at 1!
plt.plot(x, w)

此外，如果图上有多个轴（例如子图），请使用axes(h)命令 whereh是所需轴对象的句柄以关注该轴。

（还没有评论权限，抱歉新答案！）

于 2011-08-02T19:06:59.157 回答
2

为每次迭代绘制单独帧的简单方法可能是：

import matplotlib.pyplot as plt  
for grp in list_groups:
        plt.figure()
        plt.plot(grp)
        plt.show()

然后python将绘制不同的帧。

于 2021-03-31T12:07:36.137 回答
1

经过一番挣扎后我发现的一种方法是创建一个函数，该函数获取 data_plot 矩阵、文件名和顺序作为参数，以从有序图中的给定数据创建箱线图（不同的顺序 = 不同的图）并将其保存在给定的文件名下。

def plotFigure(data_plot,file_name,order):
    fig = plt.figure(order, figsize=(9, 6))
    ax = fig.add_subplot(111)
    bp = ax.boxplot(data_plot)
    fig.savefig(file_name, bbox_inches='tight')
    plt.close()
于 2017-11-22T21:59:03.717 回答
1

这里接受的答案说使用面向对象的接口（即matplotlib），这是要走的路。但是，答案的代码确实包含（某些）MATLAB 风格的界面（即matplotib.pyplot）。

但是，可以选择仅使用 OOP方法，它可以直接解决手头的问题，并允许我们一次处理多个图形：

import numpy as np
import matplotlib

x = np.arange(5)
y = np.exp(x)
first_figure      = matplotlib.figure.Figure()
first_figure_axis = first_figure.add_subplot()
first_figure_axis.plot(x, y)

z = np.sin(x)
second_figure      = matplotlib.figure.Figure()
second_figure_axis = second_figure.add_subplot()
second_figure_axis.plot(x, z)

w = np.cos(x)
first_figure_axis.plot(x, w)

display(first_figure) # Jupyter
display(second_figure)

这使用户可以手动控制图形，并避免与pyplot仅支持单个图形的内部状态相关的问题，例如当您想从库函数返回图形时。

于 2021-03-10T10:54:19.437 回答