python 代码生成的图片同时显示

Python的matplotlib包可以轻松的将数据可视化，最近遇到了一个问题，想同时在两个窗口展示两张图，但是代码运行结果总是一张一张的往外冒（显示一张图，把当前的图叉掉之后才能显示另一张图），如图所示：

代码如下：

import numpy as np
import math
import matplotlib.pyplot as plt

## 1.设计一个匀加速直线运动，以观测此运动
X_real = np.mat(np.zeros((2, 100)))  # 空矩阵，用于存放真实状态向量
X_real[:, 0] = np.mat([[0.0],  # 初始状态向量
                       [1.0]])
a_real = 0.1  # 真实加速度
F = np.mat([[1.0, 1.0],  # 状态转移矩阵
            [0.0, 1.0]])
Q = np.mat([[0.0001, 0.0],  # 状态转移协方差矩阵，我们假设外部干扰很小
            [0.0, 0.0001]])
B = np.mat([[0.5],  # 控制矩阵
            [1.0]])
for i in range(99):
    X_real[:, i + 1] = F * X_real[:, i] + B * a_real  # 计算真实状态向量
X_real = np.array(X_real)
fig1 = plt.figure(1)
plt.grid()
plt.title('real displacement')
plt.xlabel('k (s)')
plt.ylabel('x (m)')
plt.plot(X_real[0, :])
plt.show()
fig2 = plt.figure(2)
plt.grid()
plt.title('real velocity')
plt.xlabel('k (s)')
plt.ylabel('v (m/s)')
plt.plot(X_real[1, :])
plt.show()
X_real = np.mat(X_real)

有两种方法可以实现

1、那么，如果需要在多张画布上同时显示这两张图片，达到如图所示的效果，该怎么改呢？

其实很简单，只需删除前一个plt.show()，只保留最后一个就可以了，如下所示：

import numpy as np
import math
import matplotlib.pyplot as plt

## 1.设计一个匀加速直线运动，以观测此运动
X_real = np.mat(np.zeros((2, 100)))  # 空矩阵，用于存放真实状态向量
X_real[:, 0] = np.mat([[0.0],  # 初始状态向量
                       [1.0]])
a_real = 0.1  # 真实加速度
F = np.mat([[1.0, 1.0],  # 状态转移矩阵
            [0.0, 1.0]])
Q = np.mat([[0.0001, 0.0],  # 状态转移协方差矩阵，我们假设外部干扰很小
            [0.0, 0.0001]])
B = np.mat([[0.5],  # 控制矩阵
            [1.0]])
for i in range(99):
    X_real[:, i + 1] = F * X_real[:, i] + B * a_real  # 计算真实状态向量
X_real = np.array(X_real)
fig1 = plt.figure(1)
plt.grid()
plt.title('real displacement')
plt.xlabel('k (s)')
plt.ylabel('x (m)')
plt.plot(X_real[0, :])
########################## plt.show()删除这一行
fig2 = plt.figure(2)
plt.grid()
plt.title('real velocity')
plt.xlabel('k (s)')
plt.ylabel('v (m/s)')
plt.plot(X_real[1, :])
plt.show()#########################只保留最后一个plt.show()
X_real = np.mat(X_real)

2、如果要在一张画布上同时显示多张图片，图片对比显示，达到如图所示的效果，该怎么改呢？

只需添加plt.subplot()语句，只保留最后一个plt.show() ：

import numpy as np
import math
import matplotlib.pyplot as plt

## 1.设计一个匀加速直线运动，以观测此运动
X_real = np.mat(np.zeros((2, 100)))  # 空矩阵，用于存放真实状态向量
X_real[:, 0] = np.mat([[0.0],  # 初始状态向量
                       [1.0]])
a_real = 0.1  # 真实加速度
F = np.mat([[1.0, 1.0],  # 状态转移矩阵
            [0.0, 1.0]])
Q = np.mat([[0.0001, 0.0],  # 状态转移协方差矩阵，我们假设外部干扰很小
            [0.0, 0.0001]])
B = np.mat([[0.5],  # 控制矩阵
            [1.0]])
for i in range(99):
    X_real[:, i + 1] = F * X_real[:, i] + B * a_real  # 计算真实状态向量
X_real = np.array(X_real)
plt.subplot(2, 2, 1)		############################显示第一张图片
# fig1 = plt.figure(1)
plt.grid()
plt.title('real displacement')
plt.xlabel('k (s)')
plt.ylabel('x (m)')
plt.plot(X_real[0, :])
# plt.show()
plt.subplot(2, 2, 2)		############################显示第二张图片
# fig2 = plt.figure(2)
plt.grid()
plt.title('real velocity')
plt.xlabel('k (s)')
plt.ylabel('v (m/s)')
plt.plot(X_real[1, :])
# plt.show()
X_real = np.mat(X_real)

## 2.建立传感器观测值
z_t = np.mat(np.zeros((2, 100)))  # 空矩阵，用于存放传感器观测值
H = np.mat(np.zeros((2, 2)))
H[0, 0], H[1, 1] = -1.0, -1.0
noise = np.mat(np.random.randn(2, 100))  # 加入位移方差为1，速度方差为1的传感器噪声
R = np.mat([[1.0, 0.0],  # 观测噪声的协方差矩阵
            [0.0, 1.0]])
for i in range(100):
    z_t[:, i] = H * X_real[:, i] + noise[:, i]
z_t = np.array(z_t)
plt.subplot(2, 2, 3)          ############################显示第三张图片
# fig3 = plt.figure(3)
plt.grid()
plt.title('sensor displacement')
plt.xlabel('k (s)')
plt.ylabel('x (m)')
plt.plot(z_t[0, :])
# plt.show()
plt.subplot(2, 2, 4)					############################显示第四张图片
# fig4 = plt.figure(4)
plt.grid()
plt.title('sensor velocity')
plt.xlabel('k (s)')
plt.ylabel('v (m/s)')
plt.plot(z_t[1, :])
plt.show()				############################只保留最后一个plt.show()	
z_t = np.mat(z_t)