在Python中，可以使用`matplotlib`库在一个画布上绘制多条预测曲线。通过创建一个图形对象并在其上多次调用`plot`方法，即可实现将多个数据集绘制在同一图表中。以下是一个详细的示例： ```python import matplotlib.pyplot as plt import numpy as np # 创建一个画布和坐标轴 fig, ax = plt.subplots() # 生成一些示例数据 x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x) * np.cos(x) # 绘制三条不同的曲线 ax.plot(x, y1, label='sin(x)', color='b') ax.plot(x, y2, label='cos(x)', color='g') ax.plot(x, y3, label='sin(x)*cos(x)', color='r') # 添加图例 ax.legend() # 设置标题和坐标轴标签 ax.set_title('Multiple Prediction Curves on a Single Canvas') ax.set_xlabel('X-axis') ax.set_ylabel('Y-axis') # 显示图形 plt.show() ``` 上述代码首先导入了必要的库，并生成了一个共享的`x`值数组。然后，它分别定义了三条曲线的数据：`sin(x)`、`cos(x)`以及它们的乘积。每条曲线都被赋予了不同的颜色和标签，以便于区分[^1]。 如果需要为每条曲线指定特定的颜色或样式，可以手动设置每个`plot`调用中的参数，例如： ```python ax.plot(x, y1, label='Curve 1', color='blue', linestyle='-', linewidth=2) ax.plot(x, y2, label='Curve 2', color='green', linestyle='--', linewidth=2) ax.plot(x, y3, label='Curve 3', color='red', linestyle='-.', linewidth=2) ``` 此外，还可以使用循环来动态添加多条曲线，特别是在处理大量数据集时更为方便。下面展示如何通过循环批量绘制曲线： ```python # 假设有多个预测结果存储在一个列表中 curves = [ {'data': (x, np.sin(x + i)), 'label': f'Curve {i+1}', 'color': plt.cm.jet(i/10)} for i in range(5) ] # 在同一个画布上绘制所有曲线 for curve in curves: ax.plot(curves['data'][0], curves['data'][1], label=curve['label'], color=curve['color']) # 更新图例以反映所有新增的曲线 ax.legend() # 显示最终图像 plt.show() ``` 这种方法适用于需要同时展示多个预测模型输出的情况，比如机器学习中的回归分析或多变量时间序列预测等场景。 --- ###