Python多曲线图的绘制
在数据可视化的领域中，多曲线图是一种常见而强大的工具，它可以展示多个数据序列在同一张图表中的变化趋势和相互关系。Python作为一门功能强大且易于学习的编程语言，提供了多个工具和库来实现多曲线图的绘制。本文将介绍如何使用Python绘制多曲线图，并提供代码示例。
准备工作
在开始之前，我们需要安装并导入一些必要的库，包括matplotlib和numpy。
import matplotlib.pyplot as plt
import numpy as np
绘制多曲线图
基础示例
假设我们有两个数据序列data1和data2，它们分别代表了某个指标在不同时间点的取值。我们可以使用plot函数来绘制它们的多曲线图。
data1 = [1, 2, 3, 4, 5]
data2 = [5, 4, 3, 2, 1]
plt.plot(data1, label='Data 1')
plt.plot(data2, label='Data 2')
plt.legend()
plt.show()
上述代码中，我们首先通过plot函数绘制了data1的曲线图，并指定了该曲线的标签为Data 1。然后，我们绘制了data2的曲线图，并指定了标签为Data 2。最后，使用legend函数显示图例，并使用show函数显示图表。
自定义样式
除了基本的曲线图，我们还可以自定义曲线的样式，比如颜色、线型、标记点等。
data1 = [1, 2, 3, 4, 5]
data2 = [5, 4, 3, 2, 1]
plt.plot(data1, 'r--', label='Data 1') # 红色虚线
plt.plot(data2, 'bo-', label='Data 2') # 蓝色实线，带有圆形标记点
plt.legend()
plt.show()
上述代码中，我们在plot函数的第二个参数中指定了曲线的样式。r--代表红色的虚线，bo-代表蓝色的实线，并带有圆形标记点。
多个子图
有时候，我们需要在同一个图表中显示多个子图，每个子图对应一个数据序列。在matplotlib中，可以使用subplot函数来实现。
data1 = [1, 2, 3, 4, 5]
data2 = [5, 4, 3, 2, 1]
plt.subplot(2, 1, 1)
plt.plot(data1, label='Data 1')
plt.legend()
plt.subplot(2, 1, 2)
plt.plot(data2, label='Data 2')
plt.legend()
plt.show()
上述代码中，我们使用subplot函数创建了一个2行1列的图表，并在第一个子图中绘制了data1的曲线图，在第二个子图中绘制了data2的曲线图。
自定义坐标轴
有时候，我们需要自定义坐标轴的刻度和标签，以更好地展示数据。
data = np.arange(1, 10)
plt.plot(data)
plt.xticks(np.arange(9), ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'])
plt.yticks(np.arange(1, 10, 2), ['1', '3', '5', '7', '9'])
plt.show()
上述代码中，我们使用xticks函数自定义了X轴的刻度和标签，使用yticks函数自定义了Y轴的刻度和标签。
序列图
为了更好地理解多曲线图的绘制过程，下面使用mermaid语法绘制了一个序列图来展示绘制多曲线图的过程。
sequenceDiagram
participant 用户
