### 绘制带有两个子图的数据分析图表 以下是基于 `Matplotlib` 库的 Python 代码示例，该代码实现了包含两个子图的数据分析图表。第一个子图是一个用于数据预测的折线图，第二个子图是一个用于数据分类的散点图。同时，这两个子图都包含了标题、坐标轴标签以及图例。 ```python import matplotlib.pyplot as plt import numpy as np # 数据准备 x = np.linspace(0, 10, 100) # 预测数据的时间序列 y_pred = np.sin(x) # 预测数据的正弦波模拟 categories = ['A', 'B'] # 散点图中的类别标记 colors = {'A': 'red', 'B': 'blue'} # 类别的颜色映射 data_points = { 'A': (np.random.rand(5)*10, np.random.rand(5)), # A类随机点 'B': (np.random.rand(5)*10, np.random.rand(5)) # B类随机点 } # 创建画布和子图 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6)) # 子图1：数据预测的折线图 axes[0].plot(x, y_pred, label='Predicted Data', color='green') axes[0].set_title('Data Prediction') # 设置子图标题 axes[0].set_xlabel('Time') # 设置X轴标签 axes[0].set_ylabel('Value') # 设置Y轴标签 axes[0].legend() # 添加图例 # 子图2：数据分类的散点图 for category in categories: x_data, y_data = data_points[category] axes[1].scatter(x_data, y_data, label=f'Category {category}', color=colors[category]) axes[1].set_title('Data Classification') # 设置子图标题 axes[1].set_xlabel('Feature X') # 设置X轴标签 axes[1].set_ylabel('Feature Y') # 设置Y轴标签 axes[1].legend() # 添加图例 # 调整布局以防止重叠 plt.tight_layout() # 显示图像 plt.show() ``` #### 解析 上述代码通过 `matplotlib.pyplot.subplots()` 方法创建了一个包含两个子图的画布[^1]。 - **子图1** 使用了 `plot()` 函数来绘制一条表示时间序列预测的折线图，并设置了相应的标题、坐标轴标签和图例。 - **子图2** 利用了 `scatter()` 函数绘制不同类别的散点图，每种类别都有不同的颜色区分，并同样配置了标题、坐标轴标签和图例。 此代码还调用了 `tight_layout()` 来优化子图之间的间距，从而避免文字或元素相互覆盖的情况发生。 ---