Python中高效绘制多个图形的实现方法咨询

你提到的将所有待绘制函数值统一存入数组后一次性绘图的方案确实效率更高，尤其在需要绘制的曲线数量较多时优势更明显。

效率差异原因 #

多次单独调用plt.plot()时，Matplotlib每次都需要重复执行坐标轴适配、对象初始化、渲染队列更新等逻辑，会产生大量重复开销。而一次性传入二维y数组时，Matplotlib会在内部批量处理所有曲线的绘制逻辑，大幅减少重复调用的额外消耗。

具体实现方案 #

Matplotlib的plot方法原生支持传入二维数组作为y值，当x为长度N的一维数组时，只要y为形状(N, M)的二维数组，就会自动渲染出M条曲线，每条曲线对应y数组的一列。

示例实现代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成自变量
x = np.linspace(0, 2*np.pi, 100)
# 按列拼接所有曲线的y值，生成二维数组
y_all = np.column_stack([
    np.sin(x),
    np.sin(x + np.pi)
    # 可直接在此处添加更多曲线的计算逻辑，无需修改后续绘图代码
])
# 一次性完成所有曲线绘制，同时支持批量配置样式、标签
plt.plot(x, y_all, label=['原正弦曲线', '偏移π的正弦曲线'])
# 批量生成图例
plt.legend()
plt.show()

补充使用提示 #

• 如果曲线是动态生成的，可以先初始化一个形状为(N, 0)的空数组，后续用np.append(y_all, 新曲线列.reshape(-1,1), axis=1)的方式追加曲线，全部生成完成后再统一绘图。
• 样式也支持批量配置，只要传入和曲线数量一致的样式参数列表即可，比如color=['#ff0000', '#00ff00']，无需逐个曲线设置。

内容的提问来源于stack exchange，提问作者Python