方法一：主要是inshow()函数的使用

首先基本的画图流程为：

import matplotlib.pyplot as plt #创建新的figurefig = plt.figure() #必须通过add_subplot()创建一个或多个绘图#ax = fig.add_subplot(221) #绘制2x2两行两列共四个图，编号从1开始ax1 = fig.add_subplot(221)ax2 = fig.add_subplot(222)ax3 = fig.add_subplot(223)ax4 = fig.add_subplot(224) #图片的显示plt.show()

然后就会有四个在同一张图上的figure

然后我们可以用python中的Matplotlib库中的，imshow()函数实现绘图。imshow()可以用来绘制热力图

#coding=utf-8import matplotlib.pyplot as plt import numpy as np points = np.arange(-5,5,0.01) xs,ys = np.meshgrid(points,points) z = np.sqrt(xs**2 + ys**2) #创建新的figurefig = plt.figure() #绘制2x2两行两列共四个图，编号从1开始ax = fig.add_subplot(221)ax.imshow(z) ax = fig.add_subplot(222)#使用自定义的colormap(灰度图)ax.imshow(z,cmap=plt.cm.gray) ax = fig.add_subplot(223)#使用自定义的colormapax.imshow(z,cmap=plt.cm.cool) ax = fig.add_subplot(224)#使用自定义的colormapax.imshow(z,cmap=plt.cm.hot) #图片的显示plt.show()

方法二：subplot的使用，在python中，可以用subplot绘制子图。

常用方法：pl.subplot(121)第一个1代表1行，第二个2代表两列，第三个1代表第一个图。

# -*- coding: utf-8 -*- """ 演示二维插值。 """ import numpy as np from scipy import interpolate import pylab as pl import matplotlib as mpl def func(x, y): return (x+y)*np.exp(-5.0*(x**2 + y**2)) # X-Y轴分为15*15的网格 y,x= np.mgrid[-1:1:15j, -1:1:15j] fvals = func(x,y) # 计算每个网格点上的函数值 15*15的值 print len(fvals[0]) #三次样条二维插值 newfunc = interpolate.interp2d(x, y, fvals, kind='cubic') # 计算100*100的网格上的插值 xnew = np.linspace(-1,1,100)#x ynew = np.linspace(-1,1,100)#y fnew = newfunc(xnew, ynew)#仅仅是y值 100*100的值 # 绘图 # 为了更明显地比较插值前后的区别，使用关键字参数interpolation='nearest' # 关闭imshow()内置的插值运算。 pl.subplot(121) im1=pl.imshow(fvals, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower")#pl.cm.jet #extent=[-1,1,-1,1]为x,y范围 favals为 pl.colorbar(im1) pl.subplot(122) im2=pl.imshow(fnew, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower") pl.colorbar(im2) pl.show()

以上的代码为二维插值中画图的演示。绘图如下：

以上这篇python 一个figure上显示多个图像的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。