使用NumPy与Matplotlib同图绘制不同S值下k_b与delta_P关系曲线

你只需额外计算S=0.1对应的delta_P序列，再调用一次plt.plot()即可，matplotlib默认会在同一张画布叠加绘制曲线，建议添加图例区分两条曲线对应的S值，修改后的完整可运行代码如下：

def rocproduct(k_cat,E0,S,k_b,k_f):
    return k_cat*E0*S/((k_b/k_f)+S)

import numpy as np
import matplotlib.pyplot as plt
k_cat=0.1;E0=1;k_f=0.3

# 公共x轴数据
k_b=np.array([0.01,0.1,0.2,0.5,1,1.5,2,5,10])

# 分别计算两个S值对应的y轴序列
delta_P_s3 = rocproduct(k_cat,E0,3,k_b,k_f)
delta_P_s01 = rocproduct(k_cat,E0,0.1,k_b,k_f)

plt.ylabel('rate of change of product')
plt.xlabel('kb')
# 分别绘制两条曲线，指定label用于图例区分
plt.plot(k_b, delta_P_s3, label='S=3')
plt.plot(k_b, delta_P_s01, label='S=0.1')
# 显示图例
plt.legend()
# 弹出展示画布
plt.show()

核心改动点：

• 移除了原代码里写死的单S值变量，分别对S=3和S=0.1调用rocproduct函数计算两个delta_P序列
• 两次调用plt.plot()分别绘制两条曲线，给每条曲线增加了label参数标注对应S值
• 新增plt.legend()显示图例、plt.show()弹出展示最终图像

内容的提问来源于stack exchange，提问作者xin hwa