Python 更改plt.plot的for循环中的标题，并创建6x16子地块

我正在通过for循环创建96个不同的图形，我希望它也能标记这些图形（即，第一个图形是

'Channel 1'

，第二个图形是

'Channel 2'

，等等）。我尝试了

ax.set_title

，但无法理解如何使用字符串和数字

---

另外，我希望将这些图打印为6x16子图，而不是一列中的96个图。

每次在for循环中都会创建一个新的图，这就是为什么会得到96个图。我没有您的数据，因此无法提供最终的图，但以下内容应该适用于您。这里的想法是：

• 定义包含6x16子批次的图形和轴阵列
• 在

  轴上使用
  枚举
  。展平

  以逐行遍历子图形

  ax

  ，并使用

  i

  作为访问数据的索引
• 使用字段说明符

  %d

  以迭代方式标记子批次
• 将

  plt.show（）

  置于for循环之外

---

---

我试着运行这个，但是我被枚举（axes.flatte（））弄糊涂了：，我需要在循环中迭代96次。我尝试了两个循环，但都不起作用。

enumerate（axes.flatte（））：

返回两件事：第一，从0开始的索引，第二，for循环中每个子批次的实际轴对象如果有6行16列，那么这个for循环确实会运行96次。

i

的值将从0变为95。为了说服自己，可以添加

print（i）

在for循环内，它将打印0、1、2、…、94、，95@MichelleHernandez：如果您的问题已经解决，您应该通过单击灰色复选标记将答案标记为已接受。这就是堆栈溢出的工作原理。由于您似乎对堆栈溢出还不熟悉，您应该阅读此代码，现在代码正在工作，但子部分都是重叠的我尝试将其更改为32行3列，并添加plt.tight_layout（），但这两个都不起作用

secondHold = np.zeros((96,30))

channel = ['channel' for x in range(96)]


for i in range (96):
    BlankBinsx = bins[blankposition,0:30,i]
    StimBinsx = bins[NonBlankPositions,0:30,i]
    meanx = BlankBinsx.mean(axis=0);
    stimmeanx = StimBinsx.mean(axis=0);
    for j in range(30):
        hold[i][j] = meanx[j];
        secondHold[i][j] = stimmeanx[j];
    plt.subplots(1, 1, sharex='all', sharey='all')
    plt.plot(hold[i], label='stimulus')
    plt.plot(secondHold[i], label='Blank Stimulus')
    plt.title('Channel x')
    plt.xlabel('time (ms)')
    plt.ylabel('Avg Spike Rate')
    plt.legend()
    plt.show()

secondHold = np.zeros((96,30))
channel = ['channel' for x in range(96)]

fig, axes = plt.subplots(nrows=6, ncols=16, sharex='all', sharey='all')

for i, ax in enumerate(axes.flatten()):
    BlankBinsx = bins[blankposition,0:30,i]
    StimBinsx = bins[NonBlankPositions,0:30,i]
    meanx = BlankBinsx.mean(axis=0);
    stimmeanx = StimBinsx.mean(axis=0);
    for j in range(30):
        hold[i][j] = meanx[j];
        secondHold[i][j] = stimmeanx[j];
    ax.plot(hold[i], label='stimulus')
    ax.plot(secondHold[i], label='Blank Stimulus')
    ax.set_title('Channel %d' %i)
    ax.set_xlabel('time (ms)')
    ax.set_ylabel('Avg Spike Rate')
    ax.legend()
plt.show()