python 一个figure上显示多个图像

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figure
fig = 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-8
import 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figure
fig = 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colormap
ax.imshow(z,cmap=plt.cm.cool)

ax = fig.add_subplot(224)
#使用自定义的colormap
ax.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：