### Python 在同一画布上绘制多个图形的方法 #### 方法一：使用 `plot` 函数多次调用 通过连续调用 `plt.plot()` 可以在同一张图表上叠加多条曲线。每一条新的线会自动添加到当前的坐标系中。 ```python import numpy as np import matplotlib.pyplot as plt a = np.arange(10) # 多次调用 plot 函数来绘制不同线条 plt.plot(a, a*a, 'c+-', label='a') plt.plot(a/2, a*(a+0.5), 'gd--', label='b') plt.plot(a*(a-1), a*(a+1), 'y*', label='c') plt.plot(a/5, a*(a+1.5), 'b<-.', label='d') plt.plot(a*6, a*(a+2), 'mH:', label='e') # 设置图例并显示图像 plt.legend() plt.show() ``` 这段代码展示了如何利用不同的颜色、标记样式以及线型参数创建多样化的视觉效果[^2]。 #### 方法二：运用循环结构批量绘图 当需要重复执行相似的操作时，可以采用 `for` 循环简化代码逻辑。下面的例子说明了怎样在一个循环体内完成多项数据集的可视化工作： ```python import matplotlib.pyplot as plt data_sets = [ (np.random.randn(100), "Random Normal", "+"), (np.random.rand(100)*100, "Uniform Random", "*") ] fig, ax = plt.subplots() for data, name, marker in data_sets: average = np.mean(data) sigma = np.std(data) # 使用 for 循环迭代绘制各个子图 ax.plot(average, sigma, marker=marker, linestyle='', label=name) ax.set_title("Multiple Plots Using For Loop") ax.legend() plt.show() ``` 此方法不仅提高了代码可读性和维护性，还便于管理大量相似的数据序列[^4]。 #### 方法三：借助 `subplot_mosaic` 布局复杂组合 对于更复杂的布局需求，比如希望将几个独立的小图按照特定模式排列在一起，则推荐使用 `subplot_mosaic` 功能。它允许开发者定义一个字符串模板描述所需的网格结构，并据此安排各部分的位置关系。 ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns df = sns.load_dataset('tips') fig = plt.figure(layout='constrained') mosaic = fig.subplot_mosaic(""" ac bc """) # 定义三个不同类型的小图放置于指定位置 mosaic['a'].bar(df.sex, df.tip, color='coral') mosaic['b'].scatter(df.total_bill, df.tip, color='forestgreen') mosaic['c'].boxplot(df.tip, patch_artist=True); plt.suptitle("Complex Layout with Subplot Mosaic") plt.show() ``` 这种方法非常适合构建由多种统计图表构成的信息密集型展示页面[^3]。