如何用不同的数据更新多个不同的图形

Question

我认为问这个问题可能很愚蠢，但我在谷歌上找不到任何匹配我的问题的解决方案。希望有人能帮忙。

简单地说，我想在同一个图上绘制不同的函数，而不是子图，因为我发现大多数在线解决方案都使用子图来做到这一点。我的目的是为了更好地比较不同的数据线在同一个图上相同的情节，但具有不同的颜色和不同的图例。我有 2 个数字，因为第二个数字只是具有相同想法的其他东西。

我尝试使用以下代码。但是每次循环都会覆盖子图。我不想删除旧行。我希望每个循环都分别更新图 1 和图 2，而不擦除之前的数据线。

    fig1 = plt.figure(1)
    fig2 = plt.figure(2)
    for diffSteps,listpair in fixed_table_plots.items():
        ax1 = fig1.add_subplot(1,1,1)
        ax1.scatter(listpair[0],listpair[1],s=2000,label="error_step_"+str(diffTableSteps))
        ax1.legend()
        plt.show()

        ax2 = fig2.add_subplot(1,1,1)
        accuracy_bw = [x - math.log(y,2) for x,y in zip(listpair[0],listpair[1])]
        ax2.scatter(listpair[0],accuracy_bw,s=200,label="accuracy bw_step_"+str(diffTableSteps))
        ax2.set_xlabel("input int bw")
        ax2.set_ylabel("total bw accuracy")
        ax2.legend()
        plt.show()

非常感谢任何帮助！

更新：

    for diffSteps,listpair in fixed_table_plots.items():
        plt.figure(1)
        ax1.scatter(listpair[0],listpair[1],s=2000,label="error_step_"+str(diffTableSteps))
        ax1.legend()

        plt.figure(2)
        accuracy_bw = [x - math.log(y,2) for x,y in zip(listpair[0],listpair[1])]
        ax2.scatter(listpair[0],accuracy_bw,s=200,label="accuracy bw_step_"+str(diffTableSteps))
        ax2.set_xlabel("input int bw")
        ax2.set_ylabel("total bw accuracy")

这对我来说效果很好，唯一的问题是 plt.show() 不能在中间调用。有没有办法动态显示图？重新激活情节也感觉很奇怪。如果这是一个好方法，请告诉我...

谢谢！

Answer 1

这个问题类似于How to keep the previous plot and not clear the figure after calling plt.show() without simply repeating the call? 但是，链接的帖子是关于更新单个数字的，而您询问的是多个数字。我认为您将能够将以下最小示例改编为您的代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi)

fig1 = plt.figure()
fig2 = plt.figure()
plt.close(fig1)
plt.close(fig2)

for i in range(3):

    plt.figure()
    fm = plt.get_current_fig_manager()
    fm.canvas.figure = fig1
    fig1.canvas = fm.canvas
    plt.plot(x, np.sin(x) + i)

    plt.figure()
    fm = plt.get_current_fig_manager()
    fm.canvas.figure = fig2
    fig2.canvas = fm.canvas
    plt.plot(x, np.cos(x) + i)

    plt.show()
    plt.close()