如何自定义scp.plot_multiple优化拉曼光谱分析绘图？

a) 将所有谱线设置为实线 #

在scp.plot_multiple中添加linestyles参数，指定所有线为实线（可用字符串'solid'或短横线'-'）：

_ = scp.plot_multiple(method="pen", style="sans", 
                     datasets=data, labels=labels, legend="best", title="Laser Test", 
                     xlim=(200.0, 1800.0), ylim=(0.0, 300.0),
                     linestyles='solid')  # 也可以传列表：linestyles=['-', '-', '-']

如果需要单独指定某条线的样式，直接传对应长度的列表即可，比如linestyles=['-', '--', ':']，但这里全设为实线，传单个值更简洁。

b) scp.plot_multiple的更多自定义选项 #

谱线颜色自定义 #

使用colors参数指定每条线的颜色，支持颜色名称、十六进制码或RGB值：

_ = scp.plot_multiple(method="pen", style="sans", 
                     datasets=data, labels=labels, legend="best", title="Laser Test", 
                     xlim=(200.0, 1800.0), ylim=(0.0, 300.0),
                     linestyles='solid',
                     colors=['red', '#2E8B57', 'darkblue'])  # 三条线分别用红、海绿、深蓝

标题及文本元素自定义 #

Spectrochempy绘图基于Matplotlib，你可以获取plot_multiple返回的轴对象，用Matplotlib原生API修改样式：

ax = scp.plot_multiple(method="pen", style="sans", 
                       datasets=data, labels=labels, legend="best", title="Laser Test", 
                       xlim=(200.0, 1800.0), ylim=(0.0, 300.0),
                       linestyles='solid')

# 修改标题颜色和字体大小
ax.set_title("Laser Test", color='darkred', fontsize=14)
# 修改X轴标签颜色
ax.set_xlabel("Raman Shift", color='darkblue')
# 统一调整所有谱线宽度
for line in ax.get_lines():
    line.set_linewidth(2)

其他常用自定义参数：

• linewidths：设置线宽（单个值或列表）
• marker：添加数据点标记（如'o'、's'）
• legend_kwargs：传递图例自定义参数（如{'fontsize': 12, 'frameon': False}）

c) 1D绘图实现类似Matlab hold on的效果 #

Python中只需在同一个Matplotlib轴对象上多次调用plot方法即可，步骤如下：

import matplotlib.pyplot as plt

# 创建画布和轴对象
fig, ax = plt.subplots(figsize=(8, 5))

# 在同一个轴上绘制所有谱线
A[0].plot(ax=ax, label='spot 1', color='red', linestyle='-')
A[1].plot(ax=ax, label='spot 2', color='green', linestyle='-')
A[2].plot(ax=ax, label='spot 3', color='blue', linestyle='-')

# 设置坐标轴范围和标签
ax.set_xlim(200.0, 1800.0)
ax.set_ylim(0.0, 300.0)
ax.set_title("Laser Test", color='darkred')
ax.set_xlabel("Raman Shift")
ax.set_ylabel("Intensity")

# 添加图例
ax.legend(loc='best')

# 显示图形
plt.show()

这样所有谱线会合并到同一个图中，完全等效于Matlab的hold on。

内容的提问来源于stack exchange，提问作者Sophie