当前博文未提及该问题，以下是基于C知道的知识内容为您回答。 在 MATLAB 和 Python（Matplotlib）中，“在同一坐标系下绘图”是数据可视化的核心能力，其本质是**复用同一坐标轴对象（axes）**，避免新建 figure 或 axes 导致图形分离。以下从原理、命令、典型陷阱与完整示例四个维度系统阐述，并严格依据参考资料 [ref_2]–[ref_6] 提供可直接运行的代码。 --- ### 一、核心机制对比：MATLAB vs Python | 维度 | MATLAB | Python (Matplotlib) | |------|--------|---------------------| | **启用叠加模式** | `hold on`（默认关闭）<br>等价于 `hold(gca, 'on')` [ref_2] | `plt.plot()` 默认叠加；无需显式开启<br>但若调用 `plt.figure()` 多次则会新建画布 [ref_3][ref_5] | | **清除叠加状态** | `hold off` 或 `cla`（clear axes） | `plt.clf()`（清空当前 figure）<br>`plt.cla()`（清空当前 axes） [ref_4] | | **坐标轴控制** | `xlim()`, `ylim()`, `xlabel()`, `legend()` 作用于 `gca` | 所有 `plt.xxx()` 函数默认操作 `plt.gca()` 返回的当前 axes [ref_5] | > ✅ 关键共识：**“同一坐标系” = 共享同一个 `axes` 对象**，而非仅“视觉上重叠”。 --- ### 二、MATLAB 实现：`hold on` + 多次 `plot` 根据 [ref_2]，标准流程如下： ```matlab % 步骤1：创建基础坐标系（可选，figure 自动创建 gca） figure('Name','正余弦同图','NumberTitle','off'); % 步骤2：生成数据（使用 linspace 保证均匀采样）[ref_2] x = linspace(0, 2*pi, 1000); % 生成 [0,2π] 内 1000 个点 y1 = sin(x); y2 = cos(x); % 步骤3：启用叠加并绘制多条曲线 hold on; plot(x, y1, 'b-', 'LineWidth', 1.8, 'DisplayName', 'sin(x)'); % 蓝色实线 plot(x, y2, 'r--', 'LineWidth', 1.8, 'DisplayName', 'cos(x)'); % 红色虚线 % 步骤4：统一设置坐标轴与图例（作用于同一 axes） xlabel('x (rad)', 'FontSize', 12); ylabel('y', 'FontSize', 12); title('sin(x) and cos(x) in One Coordinate System', 'FontSize', 14); legend('Location', 'best'); % 自动避让曲线 grid on; hold off; % 关闭叠加，防止后续绘图污染 ``` > 🔍 源码溯源：`linspace` 生成等距点集是绘图前提 [ref_2]；`hold on` 是实现多线共图的唯一必需指令 [ref_2]；`legend('DisplayName')` 支持自动图例绑定 [ref_2]。 --- ### 三、Python 实现：`plt.plot()` 链式调用 + `plt.subplots()` 参考 [ref_3][ref_5]，推荐使用面向对象接口（更可控）： ```python import numpy as np import matplotlib.pyplot as plt # 步骤1：生成数据（np.linspace 同 MATLAB linspace）[ref_4] x = np.linspace(-2, 2, 500) y1 = x**2 # y = x² y2 = x**3 # y = x³ # 步骤2：创建 figure 和单个 axes（确保唯一坐标系） fig, ax = plt.subplots(figsize=(8, 6)) # 步骤3：在同一 ax 上多次 plot ax.plot(x, y1, 'g-o', label=r'$y = x^2$', linewidth=2, markersize=4) ax.plot(x, y2, 'm-s', label=r'$y = x^3$', linewidth=2, markersize=4) # 步骤4：统一设置（全部作用于 ax） ax.set_xlabel('x', fontsize=12) ax.set_ylabel('y', fontsize=12) ax.set_title('Quadratic and Cubic Functions in One Axes', fontsize=14) ax.legend(loc='upper left') ax.grid(True, alpha=0.3) ax.set_xlim(-2, 2) ax.set_ylim(-8, 8) plt.show() ``` > ✅ 引用支撑：`np.linspace` 是 Python 等效于 MATLAB `linspace` 的标准方法 [ref_4]；`plt.subplots()` 显式返回 `ax` 对象，杜绝多图干扰 [ref_5]；`ax.plot()` 多次调用天然叠加 [ref_3]。 --- ### 四、高频陷阱与规避方案（附诊断代码） | 问题现象 | 根本原因 | 诊断命令 | 修复方案 | |----------|-----------|------------|-------------| | **只显示最后一条线** | `hold off` 遗留或未执行 `hold on` | `ishold(gca)` → 返回 `0` | 在首次 `plot` 前加 `hold on` [ref_2] | | **曲线颜色/线型相同难区分** | 未指定 `'Color'` 或 `'LineStyle'` | `get(gca,'Children')` 查线条属性 | 显式传入 `'b-'`, `'r--'` 等 [ref_2] | | **坐标轴范围被压缩（如 y 轴截断）** | 后续 `plot` 触发 autoscale | `ylim` 查当前限值 | 绘图后执行 `ylim([ymin, ymax])` 手动锁定 [ref_2] | | **图例不显示或错位** | `DisplayName` 缺失或 `legend()` 位置冲突 | `legend('show')` 强制显示 | 使用 `legend(loc='best')` 或 `loc='upper right'` [ref_2] | **一键诊断脚本（MATLAB）**： ```matlab % 运行后立即输出当前坐标系状态 fprintf('=== 当前坐标系诊断 ===\n'); fprintf('Hold 状态: %s\n', ishold(gca) ? 'on' : 'off'); fprintf('线条数量: %d\n', numel(findobj(gca,'Type','line'))); fprintf('X轴范围: [%.2f, %.2f]\n', xlim); fprintf('Y轴范围: [%.2f, %.2f]\n', ylim); fprintf('图例存在: %s\n', ~isempty(findobj(gca,'Type','hggroup')) ? 'yes' : 'no'); ``` --- ### 五、进阶技巧：子图分区中的“同一坐标系”延伸 当需在 `tiledlayout` 或 `subplot` 中复用逻辑（如 [ref_5] 所示），仍需遵守“单 axes 原则”： ```matlab % [ref_5] 风格：2×2 分区，但每个子图内独立实现“同一坐标系” tiledlayout(2,2,'Padding','compact'); nexttile; x=linspace(0,pi); plot(x,sin(x),'b',x,cos(x),'r'); title('sin & cos'); nexttile; x=linspace(-1,1); plot(x,x.^2,'g',x,x.^3,'m'); title('x^2 & x^3'); % ... 其余子图同理 ``` > ✅ 此处每个 `nexttile` 创建**新 axes**，但每个内部仍通过 `plot(x,y1,x,y2)` 实现该子图内的“同一坐标系”。 --- 综上，“在同一坐标系下绘图”绝非简单调用多次 `plot`，而是对绘图上下文（axes）的精确管控。MATLAB 依赖 `hold on` 显式授权叠加，Python 则依托 `ax` 对象的生命周期管理。二者殊途同归——**所有绘图命令必须指向同一个坐标轴句柄**，这是跨越语言的底层铁律。