如何基于数组长度生成时间轴并将Matplotlib图表1转换为图表2

1. 如何基于数组长度生成时间轴？ #

• 若数据采样间隔为1秒/样本，直接基于数组长度生成连续整数即可，可简化原代码的循环写法：

  # 假设数据长度为1950，直接生成时间轴
  x = list(range(1950))
  # 用numpy实现更高效
  import numpy as np
  x = np.arange(1950)
  

• 若有实际采样频率（例如fs=100Hz，即每秒采集100个样本），需生成对应真实时间轴：

  fs = 100  # 采样频率
  data_length = 1950
  # 生成从0到总时长的连续时间序列
  x = np.linspace(0, data_length / fs, data_length)
  

2. 将图表1转换为图表2的实现方案 #

图表1为单坐标轴同时展示真实值与预测值曲线；图表2分为上下两个子图，上方仅展示真实值曲线，下方展示预测值与真实值的残差（差值）曲线。修改后的代码如下：

import matplotlib.pyplot as plt
import numpy as np

# 假设out（真实值）和predictions（预测值）为已加载的数据集
colors=['red','green','brown','teal','gray','black','maroon','orange','purple']
colors2=['green','red','orange','black','maroon','teal','blue','gray','brown']
data_length = 1950
x = np.arange(data_length)  # 生成时间轴

for i in range(0,1):
    # 创建2行1列的子图布局，共享x轴
    fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(15, 10), sharex=True)
    
    # 上方子图：绘制真实值曲线
    ax1.plot(x, out[0:data_length,i], color=colors[i])
    ax1.set_title('LSTM Regression (Training Data)')
    ax1.set_ylabel('Force/Fz (N)')
    ax1.legend(['Real value'], loc='upper right')
    
    # 下方子图：计算并绘制残差（预测值 - 真实值）
    residual = predictions[0:data_length,i] - out[0:data_length,i]
    ax2.plot(x, residual, color=colors2[i])
    ax2.set_ylabel('Residual (Predicted - Real)')
    ax2.set_xlabel('Time/s')
    ax2.legend(['Residual'], loc='upper right')
    
    # 自动调整子图间距，避免标签重叠
    plt.tight_layout()
    # 修正原代码的保存路径错误，生成合法文件名
    plt.savefig(f'Regression Result_{i}.png')
    plt.show()

关键修改说明： #

• 用plt.subplots(2, 1)创建上下布局的子图，sharex=True让两图共享x轴，提升可读性
• 拆分原单图内容：上方子图仅展示真实值，下方子图聚焦残差分析
• 调整画布尺寸为(15,10)适配上下布局，plt.tight_layout()自动优化子图间距
• 修复原代码中plt.savefig的索引错误，用格式化字符串生成合法文件名

内容的提问来源于stack exchange，提问作者lead step