import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
plt.plot(x, x)
plt.plot(x, 2 * x)
plt.plot(x, 3 * x)
plt.plot(x, 4 * x)
plt.show()

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
plt.plot(x, x)
plt.plot(x, 2 * x)
plt.plot(x, 3 * x)
plt.plot(x, 4 * x)
plt.legend(['y = x', 'y = 2x', 'y = 3x', 'y = 4x'], loc='upper left')
plt.show()

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
plt.gca().set_color_cycle(['red', 'green', 'blue', 'yellow'])
plt.plot(x, x)
plt.plot(x, 2 * x)
plt.plot(x, 3 * x)
plt.plot(x, 4 * x)
plt.legend(['y = x', 'y = 2x', 'y = 3x', 'y = 4x'], loc='upper left')
plt.show()

import matplotlib.pyplot as plt
import numpy as np
num_plots = 20
# Have a look at the colormaps here and decide which one you'd like:
# http://matplotlib.org/1.2.1/examples/pylab_examples/show_colormaps.html
colormap = plt.cm.gist_ncar
plt.gca().set_color_cycle([colormap(i) for i in np.linspace(0, 0.9, num_plots)])
# Plot several different functions...
x = np.arange(10)
labels = []
for i in range(1, num_plots + 1):
plt.plot(x, i * x + 5 * i)
labels.append(r'$y = %ix + %i

请注意，对于最后一个示例，在较新版本的matplotlib中，set_color_cycle已弃用，因此该行应该plt.gca().set_prop_cycle(plt.cycler('color', plt.cm.jet(np.linspace(0, 1, num_plots))))只是plt.cm.YOUR_PREFERED_COLOR_MAP根据您的需要进行更改。 -

方法三：

如果您不知道要绘制的绘图的数量，可以在绘制它们直接从绘图中检索数字后更改颜色.lines，使用此解决方案：

一些随机数据

import matplotlib.pyplot as plt
import numpy as np
fig1 = plt.figure()
ax1 = fig1.add_subplot(111)
for i in range(1,15):
ax1.plot(np.array([1,5])*i,label=i)

您需要的代码段：

colormap = plt.cm.gist_ncar #nipy_spectral, Set1,Paired
colors = [colormap(i) for i in np.linspace(0, 1,len(ax1.lines))]
for i,j in enumerate(ax1.lines):
j.set_color(colors[i])
ax1.legend(loc=2)

结果如下：

方法四，对方法三的改进：

我想对上一篇文章中给出的最后一个循环答案提供一个小的改进（该帖子是正确的，仍然应该被接受）。标记最后一个示例时所隐含的假设是plt.label(LIST)将标签号X放入LIST与第X 个时间对应的行中plot。我之前遇到过这种方法的问题。根据matplotlibs文档（）构建图例和自定义标签的推荐方法是让人有一种温暖的感觉以及您认为他们所做的确切情节：

...

# Plot several different functions...
labels = []
plotHandles = []
for i in range(1, num_plots + 1):
x, = plt.plot(some x vector, some y vector) #need the ',' per ** below
plotHandles.append(x)
labels.append(some label)
plt.legend(plotHandles, labels, 'upper left',ncol=1)
**：

方法五：

图（axes）中的每个plot（）figure都有自己的颜色循环 - 如果不为每个绘图强制使用不同的颜色，则所有绘图都共享相同的颜色顺序。

只有当我们伸展 "自动"意味着什么时，才能自动实现每个绘图中的不同颜色。

必须使用不同的颜色识别每个绘图，这些颜色应该由[Matplotlib]自动生成。

但是...... Matplotlib会自动为每条不同的曲线生成不同的颜色

In [10]: import numpy as np
...: import matplotlib.pyplot as plt
In [11]: plt.plot((0,1), (0,1), (1,2), (1,0));
Out[11]:

你能给我一个方法，在同一个图中为不同的地块添加不同的颜色吗？

它是有道理的，因为每个绘图（每个axes在Matplotlib的用语中）都有自己的color_cycle（或者更确切地说，在2018年，它的prop_cycle），每个plot（axes）以相同的顺序重用相同的颜色。

In [12]: fig, axes = plt.subplots(2,3)
In [13]: for ax in axes.flatten():
...: ax.plot((0,1), (0,1))

如果这是原始问题的含义，一种可能性是为每个图明确命名不同的颜色。

如果在循环中生成绘图（通常发生），我们必须有一个额外的循环变量来覆盖Matplotlib 自动选择的颜色。

In [14]: fig, axes = plt.subplots(2,3)
In [15]: for ax, short_color_name in zip(axes.flatten(), 'brgkyc'):
...: ax.plot((0,1), (0,1), short_color_name)

方法六：

另一种可能性是实例化循环器对象

from cycler import cycler
my_cycler = cycler('color', ['k', 'r']) * cycler('linewidth', [1., 1.5, 2.])
actual_cycler = my_cycler()
fig, axes = plt.subplots(2,3)
for ax in axes.flat:
ax.plot((0,1), (0,1), **next(actual_cycler))

请注意，type(my_cycler)是cycler.Cycler，但是type(actual_cycler)是itertools.cycle。

小结：

本文以python的matplotlib作图为例，用6种方法解决了同时绘制不同数据曲线的问题。

不仅仅体现了python可视化能力的强大，也对拓宽大家的思路做了一定的尝试。希望大家喜欢。