### 使用 Matplotlib 绘制带有多组数据的折线图 为了实现这一目标，可以通过 `matplotlib` 的 `pyplot` 模块来完成。下面展示了如何导入必要的库并创建一个多系列折线图： ```python import numpy as np import matplotlib.pyplot as plt # 假设的数据集 x = np.arange(0, 10, 0.5) # X轴上的公共时间序列或其他连续变量 series_1 = np.sin(x) # 数据系列一 series_2 = np.cos(x) # 数据系列二 series_3 = np.tan(x/3) # 数据系列三 plt.figure(figsize=(8, 6)) # 对每一组数据调用 plot 方法 plt.plot(x, series_1, label='Sine Wave', marker='o') plt.plot(x, series_2, label='Cosine Wave', linestyle='--') plt.plot(x, series_3, label='Tangent Curve (scaled)', color='red') # 设置图表标题和坐标轴标签 plt.title('Multiple Data Series Line Plot with Matplotlib') plt.xlabel('X Axis Label') plt.ylabel('Y Axis Values') # 显示图例说明各线条含义 plt.legend() # 展示最终图形 plt.show() ``` 这段代码首先定义了一个共同的时间序列作为横坐标的值，并准备了几种不同的正弦波、余弦波以及经过缩放处理后的正切曲线作为纵坐标的不同数据列。接着利用循环外的方式依次对每一条数据线进行了绘制操作，最后设置了图表的整体样式包括但不限于大小尺寸、标题文字、XY轴名称等属性。 对于希望进一步美化图表的情况，还可以调整更多细节选项，比如更改标记形状、颜色、透明度或是添加网格辅助阅读等特性[^1]。 ### 使用 Seaborn 绘制多系列折线图 如果倾向于使用更高层次封装的绘图接口，则可以选择 seaborn 来简化流程。这里给出一个基于 pandas DataFrame 结构化输入的例子： ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 构建DataFrame形式的数据源 df = pd.DataFrame({ "Time": list(range(10)) * 3, "Value": [*np.random.rand(10), *np.random.rand(10)+1, *np.random.rand(10)-1], "Group": ["A"]*10 + ["B"]*10 + ["C"]*10 }) sns.lineplot(data=df, x="Time", y="Value", hue="Group") plt.title('Seaborn Multi-Series Line Chart Example') plt.show() ``` 此段脚本先构建了一个包含三个不同分组（即 A/B/C）随时间变化的价值观测量结果的数据框对象 df 。随后仅需一行命令即可让 seaborn 自动生成一张具有自动配色方案和支持自定义样式的多重轨迹图[^4]。