python绘图怎么显示两个纵坐标

#-*- coding: utf-8 -*-

import numpy as np

from matplotlib.font_manager import FontProperties 

import matplotlib.pyplot as plt 

font = FontProperties(fname=r"C:\Windows\Fonts\simsun.ttc", size=14) 

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

def Plot(column,mean_1,mean_2,mean_3,number1,number2,string):


    x_zhou = np.array(range (column))

    x_zhou1 = np.linspace(0,11,10)

    zhibiao = np.zeros(10)

    #for i in range(10):

        #zhibiao.append(0.2)

    plt.figure()

    plt.title('舆情平衡态观点分布与预期观点引导分布相对距离图')

    #plt.plot(x_zhou,mean_s)

    #plt.plot(x_zhou,mean_e)

    plt.plot(x_zhou,mean_1)

    plt.plot(x_zhou,mean_2)

    plt.plot(x_zhou,mean_3)

    plt.plot(x_zhou1,zhibiao+0.2)

    #plt.plot(x_zhou,mean_4)

    #plt.plot(x_zhou,mean_i_pos)

    #plt.plot(x_zhou,mean_r)

    #plt1 = plt.twinx()


    plt.ylim((0,1))

    plt.xlim((0,column))

    plt.xticks(np.linspace(0, column, column+1))#构建等差数列

    plt.yticks(np.linspace(0, 1, 11))

    plt.legend(labels = ['禁言前','禁言'+str(number1)+'个点','禁言'+str(number2)+'个点'], prop=font,loc = 'best')

    plt.xlabel('时步',fontproperties=font)

    plt.ylabel(string,fontproperties=font)

    #plt1.ylabel(string,fontproperties=font)


    plt.grid()

    plt.show()



#-*- coding: utf-8 -*-

import numpy as np

from matplotlib.font_manager import FontProperties 

import matplotlib.pyplot as plt 

font = FontProperties(fname=r"C:\Windows\Fonts\simsun.ttc", size=14) 

plt.rcParams['font.sans-serif']=['SimHei']

plt.rcParams['axes.unicode_minus'] = False

def Plot(column,mean_1,mean_2,mean_3,number1,number2):


    x_zhou = np.array(range (column))

    x_zhou1 = np.linspace(0,11,10)

    zhibiao = np.zeros(10)

    #for i in range(10):

        #zhibiao.append(0.2)

    fig = plt.figure()

    ax1 = fig.add_subplot(111)

    ax1.plot(x_zhou1,zhibiao+0.2,'r')

    ax1.set_ylabel('平均负面观点传播密度')

    ax1.set_title("舆情平衡态观点分布与预期观点分布")

    ax1.legend(labels = ['≤0.2满足指标'], prop=font,loc = 2)


    ax1.set_xlabel('时步')


    plt.ylim((0,1))

    plt.xlim((0,column))

    plt.xticks(np.linspace(0, column, column+1))#构建等差数列

    plt.yticks(np.linspace(0, 1, 11))


    #plt.title('舆情平衡态观点分布与预期观点引导分布相对距离图')

    ax2 = ax1.twinx()

    ax2.plot(x_zhou,mean_1)

    ax2.plot(x_zhou,mean_2)

    ax2.plot(x_zhou, mean_3)


    ax2.set_ylabel('相对距离')

    ax2.set_xlabel('时步')

    #plt.plot(x_zhou,mean_1)

    #plt.plot(x_zhou,mean_2)

    #plt.plot(x_zhou,mean_3)

    #plt.plot(x_zhou1,zhibiao+0.2)

    #plt.plot(x_zhou,mean_4)

    #plt.plot(x_zhou,mean_i_pos)

    #plt.plot(x_zhou,mean_r)

    #plt1 = plt.twinx()

    plt.ylim((0,1))

    plt.xlim((0,column))

    plt.xticks(np.linspace(0, column, column+1))#构建等差数列

    plt.yticks(np.linspace(0, 1, 11))




    ax2.legend(labels = ['禁言前','禁言'+str(number1)+'个点','禁言'+str(number2)+'个点'], prop=font,loc = 'best')

    #plt.xlabel('时步',fontproperties=font)

    #plt.ylabel('',fontproperties=font)

    #plt1.ylabel(string,fontproperties=font)


    plt.grid()

    plt.show()

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,463评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,868评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,213评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,666评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,759评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,725评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,716评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,484评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,928评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,233评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,393评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,073评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,718评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,308评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,538评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,338评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,260评论 2 352

推荐阅读更多精彩内容

  • 一、概述 深度学习的一个重要手段是训练数据和训练过程的可视化,因此,我们关于深度学习的系列介绍文章就从Matplo...
    aoqingy阅读 6,147评论 0 24
  • # -*- coding: utf-8 -*- from __future__ import division f...
    小豆角lch阅读 1,452评论 0 1
  • 本篇是自动驾驶系列的第二篇,在后台留言索取代码会提供源码链接。这次的目标是编写一个软件流水线来识别汽车前置摄像头的...
    刘老实Peter阅读 2,428评论 2 2
  • matplotlib 本文是在ipython notebook上编写,是matplot的学习笔记 对一些常用的图形...
    任海亮阅读 8,492评论 2 17
  • 半夜,在安抚不懂事的侄女的妈妈,又过来给我加了床被子,怕我夜里冷了。明早又要启程回北京了,这一年,妈妈越发的身体不好了。
    balabela阅读 233评论 0 0