origin怎么在一个图里画多条曲线

Posted 2023-05-15

利用Layer Content可以将多组曲线添加到同一个图中。

绘制好一张图后，你会在图形框的左上角看到一个灰色的带有数字的小方块，这个就是图层的标记，图层1用数字1表示，图层2用数字2 表示，等等（如果只有一个图层，那么就只有数字1）。
用鼠标右键点击这个带有数字的灰色小方块，在弹出的菜单中选择 Layer Content。
在新弹出的对话框中，可以看到左侧是在数据表Worksheet中的所有数据，右侧框中是你绘图用到的数据。点击左侧框中的数据，然后点击两个框中间的 》 箭头，就可以将数据添加到右侧框中，然后点击OK就行了。 参考技术A 散热的方式有辐射散热，传导散热，对流散热，蒸发散热。机体各组织器官产生的热量，随着血液循环均匀地分布于全身各部。当血液流经皮肤血管时，全部热量的90%由皮肤散出，因此皮肤是人体散热的主要部位。还有一小部分热量，通过肺、肾和消化道等途径，随着呼吸、尿和粪便散出体外。

matplotlib包画基本的图

 

画直线图

1.最简单的用法：

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)  #在（-1，1）范围内生成50个数，等分的，
y=2*x+1

#一张图里画一条线
plt.figure()    #如果是一张图里只有一条线，则使用它与不使用他差别不大，如果是在一张图里有2条或多条线，则使用它可以把两条线放在一个图里。
plt.plot(x,y)
plt.show()

 

2.有的时候需要在一张图里画两条或多条线，这个时候就需要figure()

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)  #在（-1，1）
y=2*x+1
y2=x**2

#一张图里化两条或多条线
plt.figure()
plt.plot(x,y)
plt.plot(x,y2)
plt.show()

3.当设置坐标轴时，需要设置坐标轴的范围，单位长度，替换文字

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)  #在（-1，1）范围内生成50个数，等分的，
y=2*x+1
y2=x**2

#修改图中的样式
plt.figure(num=3,figsize=(8,5))

plt.plot(x,y2)
plt.plot(x,y,color=\'red\',linewidth=2.0,linestyle=\'--\') #设置线段的颜色，长度，样式，注意linestyle的值只能是两个‘-’，不能是其他数量个#设置坐标轴，设置坐标轴的范围，长度，替换文字等 
plt.xlim(-1,2) #设置x轴的范围 
plt.ylim(-2,3) #设置y轴的范围 
plt.xlabel("i am x!") #设置x轴的名称，解释 
plt.ylabel("i am y!") #设置y轴的名称，解释 
plt.show() #设置坐标轴的刻度的值为指定的值 


new_ticks=np.linspace(-1,2,5) 
print(new_ticks) 
plt.xticks(new_ticks) #设置x轴的刻度和对应的名称 
plt.yticks([-2,-1.8,-1,.22,3],[r\'$really\\ bad$\',r\'$bad$\',r\'$normal$\',r\'$good$\',r\'$really\\ good$\']) #设置y轴刻度和对应的名称 
plt.show()

4.设置坐标轴之——设置坐标轴的位置

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)  #在（-1，1）范围内生成50个数，等分的，
y=2*x+1
y2=x**2

#修改图中的样式
plt.figure(num=3,figsize=(8,5))

#设置坐标轴原点
plt.plot(x,y2)
plt.plot(x,y,color=\'red\',linewidth=2.0,linestyle=\'--\')
plt.xlabel("i am x!")
plt.ylabel("i am y!")
new_ticks=np.linspace(-1,2,5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,.22,3],[r\'$really\\ bad$\',r\'$bad$\',r\'$normal$\',r\'$good$\',r\'$really\\ good$\'])
ax=plt.gca()
ax.spines[\'right\'].set_color(\'none\')
ax.spines[\'top\'].set_color(\'none\')

ax.xaxis.set_ticks_position(\'bottom\')   #.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：属性值有top，bottom，both，default，none
ax.spines[\'bottom\'].set_position((\'data\',-1))   #设置边框位置，y=0的位置，即x轴绑定在y=1时的位置上
ax.yaxis.set_ticks_position(\'left\') #.yaxis.set_ticks_position设置x坐标刻度数字或名称的位置
ax.spines[\'left\'].set_position((\'data\',0))  #设置边框位置，x=0的位置，即y轴绑定在x=0时的位置上
plt.show()

5，图例设置

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,50)  #在（-1，1）范围内生成50个数，等分的，
y=2*x+1
y2=x**2

#修改图中的样式
plt.figure(num=3,figsize=(8,5))

#设置图例
l1,=plt.plot(x,y2,label=\'linear line\')   #label设置label的名字   ,注意l1，和l2，是以逗号结尾的，因为plt.plot返回的是一个列表
l2,=plt.plot(x,y,color=\'red\',linewidth=2.0,linestyle=\'--\',label=\'square line\')   #label设置label的名字
plt.legend(handles=[l1,l2],labels=[\'up\',\'down\'],loc=\'best\')   #将图例添加到图中的最佳位置
plt.xlabel("i am x!")
plt.ylabel("i am y!")
new_ticks=np.linspace(-1,2,5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,.22,3],[r\'$really\\ bad$\',r\'$bad$\',r\'$normal$\',r\'$good$\',r\'$really\\ good$\'])
ax=plt.gca()
ax.spines[\'right\'].set_color(\'none\')
ax.spines[\'top\'].set_color(\'none\')
plt.show()

其中loc参数有多种，best表示自动分配最佳位置，其余为

best->0

upper right->1

upper left->2

lower left->3

lower right->4

right->5

center left->6

center right->7

lower center->8

upper center->9

center->10

画散点图：

import matplotlib.pyplot as plt
import numpy as np

#data size
n=1024
X=np.random.normal(0,1,n)   #生成1024个数，其中平均数是0，方差是1
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)

plt.scatter(X,Y,s=75,c=T,alpha=0.5)#大小是75，颜色是T，透明度是0.5，X，Y作为location
plt.xlim(-1.5,1.5)
plt.xticks(())#隐藏x轴
plt.ylim(-1.5,1.5)
plt.yticks(())  #隐藏y轴
plt.show()

画柱状图

import matplotlib.pyplot as plt
import numpy as np

n=12
X=np.arange(n)  #穗姐生成12个数字，x为0-11的整数，Y为相应的均匀分布的随机数据
Y1=(1-X/float(n)*np.random.uniform(0.5,1.0,n))
Y2=(1-X/float(n)*np.random.uniform(0.5,1.0,n))
plt.bar(X,+Y1,facecolor=\'#9999ff\',edgecolor=\'white\')    #facecolar设置主题颜色，edgecolor设置边框颜色为白色
plt.bar(X,-Y2,facecolor=\'#ff9999\',edgecolor=\'white\')
plt.xlim(-0.5,n)
plt.xticks(())  #隐藏x轴
plt.ylim(-1.25,1.25)
plt.yticks(())  #隐藏y轴
for x,y in zip(X,Y1):
    plt.text(x+0.4,y+0.05,\'%.2f\' %y,ha=\'center\',va=\'bottom\')
for x,y in zip(X,Y2):   #吧X，Y2分别传到x，y中
    plt.text(x+0.4,-y-0.05,\'%.2f\' %-y,ha=\'center\',va=\'top\') #把数据标记在图上
plt.show()