Python 如何让Matplotlib创建第二个（新）绘图，然后再在旧绘图上绘图？

我想绘制数据，然后创建一个新的图形和绘图数据2，最后返回到原始绘图和绘图数据3，有点像这样：

import numpy as np
import matplotlib as plt

x = arange(5)
y = np.exp(5)
plt.figure()
plt.plot(x, y)

z = np.sin(x)
plt.figure()
plt.plot(x, z)

w = np.cos(x)
plt.figure("""first figure""") # Here's the part I need
plt.plot(x, w)

---

FYI也做了类似的事情，但不完全一样！它不允许我访问原始绘图。

当您调用

图

时，只需给绘图编号即可

x = arange(5)
y = np.exp(5)
plt.figure(0)
plt.plot(x, y)

z = np.sin(x)
plt.figure(1)
plt.plot(x, z)

w = np.cos(x)
plt.figure(0) # Here's the part I need
plt.plot(x, w)

---

编辑：请注意，您可以根据需要对绘图进行编号（此处，从

0

开始），但如果您在创建新绘图时根本没有为图形提供编号，则自动编号将从

1

开始（“Matlab样式”根据文档）。

但是，编号从

1

开始，因此：

x = arange(5)
y = np.exp(5)
plt.figure(1)
plt.plot(x, y)

z = np.sin(x)
plt.figure(2)
plt.plot(x, z)

w = np.cos(x)
plt.figure(1) # Here's the part I need, but numbering starts at 1!
plt.plot(x, w)

此外，如果图形上有多个轴，例如子地块，请使用

axes（h）

命令，其中

h

是所需轴对象的控制柄，以聚焦于该轴

---

（还没有评论权限，很抱歉有新的答案！）

如果您发现自己经常做类似的事情，那么研究matplotlib的面向对象接口可能是值得的。就你而言：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(5)
y = np.exp(x)
fig1, ax1 = plt.subplots()
ax1.plot(x, y)
ax1.set_title("Axis 1 title")
ax1.set_xlabel("X-label for axis 1")

z = np.sin(x)
fig2, (ax2, ax3) = plt.subplots(nrows=2, ncols=1) # two axes on figure
ax2.plot(x, z)
ax3.plot(x, -z)

w = np.cos(x)
ax1.plot(x, w) # can continue plotting on the first axis

---

它有点冗长，但更清晰、更容易跟踪，特别是对于多个图形，每个图形都有多个子图。

经过一番努力后，我发现有一种方法是创建一个函数，该函数将数据、绘图矩阵、文件名和顺序作为参数，以从有序图形中的给定数据创建箱线图（不同的顺序=不同的数字）并将其保存在给定的文件名下

def plotFigure(data_plot,file_name,order):
    fig = plt.figure(order, figsize=(9, 6))
    ax = fig.add_subplot(111)
    bp = ax.boxplot(data_plot)
    fig.savefig(file_name, bbox_inches='tight')
    plt.close()

---

这里公认的答案是使用面向对象的接口（即

matplotlib

），这是一种方法。但是，答案的代码包含了（部分）MATLAB风格的接口（即

matplotib.pyplot

）

但是，可以选择仅使用OOP方法，该方法可以直接解决当前问题，并允许我们一次处理多个图形：

import numpy as np
import matplotlib

x = np.arange(5)
y = np.exp(x)
first_figure      = matplotlib.figure.Figure()
first_figure_axis = first_figure.add_subplot()
first_figure_axis.plot(x, y)

z = np.sin(x)
second_figure      = matplotlib.figure.Figure()
second_figure_axis = second_figure.add_subplot()
second_figure_axis.plot(x, z)

w = np.cos(x)
first_figure_axis.plot(x, w)

display(first_figure) # Jupyter
display(second_figure)

---

这使得用户可以手动控制图形，并避免与仅支持单个图形的

pyplot

内部状态相关的问题，例如当您希望从库函数返回图形时。

为每个迭代绘制单独的帧的简单方法可以是：

import matplotlib.pyplot as plt  
for grp in list_groups:
        plt.figure()
        plt.plot(grp)
        plt.show()

---

然后python将绘制不同的帧。

0

可以工作，自动编号只从

1

开始，如果你根本不给它一个数字的话。我更喜欢面向对象的方法，因为当我预期有许多数字时，使用名称而不是数字来跟踪它们会更容易。谢谢！但是如何更改标签呢l和轴限制。如果我使用

ax1.ylabel

它表示找不到它。与

fig1.ylabel

相同，@GeorgeDatseris语法有点不同。它是

ax1.set\u xlabel（“你的x标签”）

，

ax1.set\u ylabel（“你的y标签”）

，和

ax1.set\u title（“你的标题”）

。为什么要使用111？@yashSodha-这是一个matlab风格的子批次（行、列、索引）数量规范。但是现在使用plt更容易了。子批次（nrows、ncol）。已经更新了示例。这似乎在matplotlib的交互模式下工作，而figure（）…add_subplot（）方法没有。谢谢！@SebMa请不要在不理解的情况下更改代码。这个答案特别是关于将一个数字传递给

图

，您将其删除。您更改的其他内容是从原始帖子中复制的，我的答案中没有错误。@agf嗨，我删除了

plt.图（1）中的
1

因为我认为数字是自动递增的，因此没有必要。对不起。