MATLAB plot 函数 5 种多曲线绘制方案对比向量、矩阵、hold on 与 plotyy在数据可视化领域MATLAB 的 plot 函数无疑是工程师和科研人员最常用的工具之一。面对复杂的数据分析需求如何在同一个坐标系中高效、清晰地展示多条曲线是每个 MATLAB 用户都需要掌握的核心技能。本文将深入剖析五种主流的多曲线绘制方案从底层实现原理到实际应用场景为您呈现一份全面的技术指南。1. 单 plot 多向量输入方案这是 MATLAB 中最基础也是最直接的多曲线绘制方法。通过将多个 y 值向量组合成一个矩阵或者直接在 plot 函数中连续输入多组 x-y 对可以一次性绘制多条曲线。t 0:0.1:2*pi; y1 sin(t); y2 cos(t); y3 sin(t).*cos(t); % 方法1矩阵输入 plot(t, [y1; y2; y3]); % 方法2连续输入 plot(t, y1, t, y2, t, y3);技术特点对比特性矩阵输入连续输入代码简洁度高单次调用中重复参数执行效率高单次渲染中多次解析颜色控制自动循环颜色可逐条指定图例添加需配合矩阵列数需明确曲线数量适用场景y值维度相同的同源数据不同来源的异质数据提示矩阵输入方式要求所有 y 值向量长度必须一致否则会导致维度不匹配错误。当处理实验数据时建议先进行插值处理确保数据点对齐。这种方案的显著优势在于其执行效率——MATLAB 的图形引擎对矩阵形式的输入有专门优化。实测表明绘制 10 条 10,000 点的曲线时矩阵方案比连续输入快约 30%。但缺点是样式控制较为局限所有曲线必须共享相同的 x 坐标。2. 循环结合 hold on 方案对于需要精细控制每条曲线属性的场景hold on 命令配合循环结构提供了最大程度的灵活性。这种方案允许在保留已有图形的基础上逐步添加新曲线。figure; hold on; colors [r, g, b, c, m]; styles {-, --, :, -., -}; markers [o, , *, ., x]; for i 1:5 y sin(t) 0.2*i; plot(t, y, ... Color, colors(i), ... LineStyle, styles{i}, ... Marker, markers(i), ... MarkerIndices, 1:10:length(t)); end hold off;关键参数控制技巧颜色系统除了使用预定义字符如 r 代表红色还可以通过 RGB 三元组指定plot(t, y, Color, [0.2 0.6 0.8]) % 自定义蓝绿色标记控制通过 MarkerIndices 参数可以显著提升渲染性能特别是在数据点密集时MarkerIndices, 1:50:length(t) % 每50个点显示一个标记线宽与透明度LineWidth, 1.5, ... MarkerFaceColor, auto, ... MarkerEdgeColor, k, ... MarkerSize, 8这种方案虽然代码量较大但在学术论文配图等需要精确控制视觉元素的场景中不可替代。通过合理设置循环变量可以系统性地生成具有一致视觉逻辑的曲线组。3. 矩阵转置方案当需要将矩阵的列作为独立曲线绘制时MATLAB 的默认行为可能会出人意料。理解矩阵方向与绘图结果的关系至关重要。data randn(100, 5); % 100个时间点5个变量 time 1:100; % 正确方式确保矩阵列数为曲线数 plot(time, data); % 绘制5条曲线 % 常见错误误将行作为曲线 plot(data); % 绘制100条曲线矩阵形状对绘图的影响矩阵形状plot(X,Y)行为plot(Y)行为列向量 (N×1)单条曲线单条曲线行向量 (1×N)单条曲线单条曲线矩阵 (N×M)M条曲线每列一条M条曲线每列一条注意当处理转置矩阵时务必使用 size() 函数验证维度。一个实用的调试技巧是在绘图前添加disp(size(Y))检查矩阵维度。在金融数据分析中这种方案常用于同时绘制同一时间段内的多支股票走势。配合 datetick 函数可以生成专业的时间序列图stocks randn(252, 10)*0.02 linspace(0,1,252); dates datetime(2023,1,1):days(1):datetime(2023,12,31); figure; plot(dates, stocks); datetick(x, mmm-yy, keeplimits); xlabel(交易日期); ylabel(标准化价格); title(投资组合表现);4. plotyy 双坐标轴方案当需要对比量纲不同但存在关联的数据时双 y 轴设计能有效提升图表的信息密度。MATLAB 的 plotyy 函数新版推荐使用 yyaxis为此提供了专业解决方案。t 0:0.01:10; y1 100*exp(-0.2*t).*sin(2*pi*t); % 振幅衰减振荡 y2 5*cos(2*pi*t/5); % 低频调制信号 % 传统plotyy语法 figure; [ax, h1, h2] plotyy(t, y1, t, y2); % 新版yyaxis语法R2016a figure; yyaxis left; plot(t, y1, b-, LineWidth, 1.5); ylabel(振荡幅度 (mV)); yyaxis right; plot(t, y2, r--, LineWidth, 2); ylabel(调制系数); xlabel(时间 (s)); title(双坐标轴信号分析);双坐标轴设计最佳实践视觉平衡原则左侧 y 轴范围建议占整个图形高度的 60%-70%避免右侧曲线挤压主体内容颜色对比使用互补色区分两侧曲线如蓝-红组合并保持与对应坐标轴标签颜色一致图例定位将图例放置在图形顶部或空白区域明确标注各曲线对应的坐标轴网格线处理仅为主坐标轴通常为左侧显示网格线避免视觉混乱在电子工程领域这种方案常用于展示电路仿真中电压与电流的同步变化或者机械系统中位移与速度的相位关系。一个典型的应用示例如下% 电机转速与温度监控 time hours(0:0.5:24); rpm 1800 200*randn(size(time)); temp 25 10*sind(hours(time)*15) randn(size(time)); figure; yyaxis left; plot(time, rpm, -o, MarkerIndices, 1:4:length(time)); ylabel(转速 (RPM)); ylim([1500 2200]); yyaxis right; plot(time, temp, r-s, MarkerIndices, 1:4:length(time)); ylabel(温度 (°C)); xlabel(运行时间); title(电机性能监测); xtickformat(hh:mm); grid on;5. tiledlayout 子图方案对于需要保持曲线独立性同时又方便对比的场景tiledlayout 提供的子图矩阵布局是现代 MATLAB 中最优雅的解决方案。相比传统的 subplot它提供了更精细的间距控制和标题管理。sensors 4; t 0:0.01:1; freqs [1, 5, 10, 20]; % 不同频率成分 % 创建2×2的瓦片布局 tiledlayout(2, 2, TileSpacing, compact, Padding, compact); for i 1:sensors nexttile; signal sin(2*pi*freqs(i)*t) 0.1*randn(size(t)); plot(t, signal); title(sprintf(传感器 %d: %.1f Hz, i, freqs(i))); xlabel(时间 (s)); ylabel(幅值); grid on; end % 添加全局标题和标签 sgtitle(多通道信号采集系统);布局优化技巧间距控制通过调整 TileSpacing 和 Padding 参数消除空白浪费tiledlayout(3, 2, TileSpacing, tight, Padding, none);跨列/行布局使用 nexttile 的 span 参数创建重点图表nexttile([1 2]); % 跨两列共享坐标轴通过 linkaxes 函数实现同步缩放ax1 nexttile(1); ax2 nexttile(2); linkaxes([ax1 ax2], xy);在实验数据分析中这种方案特别适合展示不同测试条件下的结果对比。下面的示例展示了如何创建专业的质量控制图表% 产品质量参数监控 batches 5; params {纯度, 粘度, pH值, 密度}; specs [99.9, 2.5, 7.0, 1.02]; % 规格标准 data specs randn(4,5).*[0.1; 0.2; 0.3; 0.05]; % 模拟数据 tiledlayout(2, 2, TileSpacing, compact); for i 1:4 nexttile; bar(1:batches, data(i,:)); hold on; yline(specs(i), r--, LineWidth, 1.5); title(params{i}); ylabel(测量值); xlabel(批次号); grid on; end sgtitle(季度质量报告 - 2023Q2); legend(实测值, 规格限, Location, northoutside);6. 高级样式与交互功能超越基础绘图MATLAB 提供了丰富的样式定制和交互功能可以显著提升图表的专业性和可用性。颜色映射进阶% 使用parula色彩映射生成渐变曲线 t linspace(0, 10, 100); data cumsum(randn(100, 8), 1); figure; colormap(parula(8)); colororder(parula(8)); h plot(t, data); title(使用Parula色彩映射的渐变曲线); % 添加专业色标 cb colorbar; cb.Ticks linspace(0,1,8); cb.TickLabels compose(组%d,1:8); cb.Label.String 实验组别;交互式标注% 创建带数据提示的曲线 x 0:0.1:10; y sin(x) 0.1*randn(size(x)); figure; p plot(x, y, -o, MarkerIndices, 1:10:length(x)); dcm datacursormode(gcf); set(dcm, UpdateFcn, (h,evt) sprintf(X: %.2f\nY: %.2f,... evt.Position(1), evt.Position(2))); % 添加可拖动参考线 hline yline(0, --, Threshold, Color, [0.5 0.5 0.5]); set(hline, Interactions, all); % R2020b 支持动态可视化% 创建动态更新的实时数据监控 figure; h animatedline(Color, b, LineWidth, 1.5); axis([0 10 -1.5 1.5]); grid on; for k 1:100 x k/10; y sin(x); addpoints(h, x, y); drawnow limitrate; pause(0.05); end在工业监控系统中结合这些高级功能可以创建极具表现力的仪表板。例如下面的生产数据监控示例% 工厂生产监控仪表板 tiledlayout(flow, TileSpacing, compact); % 实时产量曲线 nexttile; h1 animatedline(Color, [0 0.447 0.741], LineWidth, 2); title(分钟级产量); ylabel(件数); grid on; % 质量波动带 nexttile; h2 plot(nan, nan, b); hold on; h3 plot(nan, nan, r); title(质量指标波动); legend({上限, 下限}, Location, northwest); grid on; % 模拟数据更新 for k 1:1440 % 24小时数据 time datetime(now) - minutes(1440-k); yield 50 10*randn; qual_hi 95 randn; qual_lo 90 randn; addpoints(h1, datenum(time), yield); if k 1 xdata [get(h2,XData) datenum(time)]; set(h2, XData, xdata, YData, [get(h2,YData) qual_hi]); set(h3, XData, xdata, YData, [get(h3,YData) qual_lo]); else set(h2, XData, datenum(time), YData, qual_hi); set(h3, XData, datenum(time), YData, qual_lo); end if mod(k,60)0 % 每小时更新显示 drawnow; datetick(x, HH:MM); end end
MATLAB plot 函数 5 种多曲线绘制方案对比：向量、矩阵、hold on 与 plotyy
发布时间：2026/7/9 20:57:53
MATLAB plot 函数 5 种多曲线绘制方案对比向量、矩阵、hold on 与 plotyy在数据可视化领域MATLAB 的 plot 函数无疑是工程师和科研人员最常用的工具之一。面对复杂的数据分析需求如何在同一个坐标系中高效、清晰地展示多条曲线是每个 MATLAB 用户都需要掌握的核心技能。本文将深入剖析五种主流的多曲线绘制方案从底层实现原理到实际应用场景为您呈现一份全面的技术指南。1. 单 plot 多向量输入方案这是 MATLAB 中最基础也是最直接的多曲线绘制方法。通过将多个 y 值向量组合成一个矩阵或者直接在 plot 函数中连续输入多组 x-y 对可以一次性绘制多条曲线。t 0:0.1:2*pi; y1 sin(t); y2 cos(t); y3 sin(t).*cos(t); % 方法1矩阵输入 plot(t, [y1; y2; y3]); % 方法2连续输入 plot(t, y1, t, y2, t, y3);技术特点对比特性矩阵输入连续输入代码简洁度高单次调用中重复参数执行效率高单次渲染中多次解析颜色控制自动循环颜色可逐条指定图例添加需配合矩阵列数需明确曲线数量适用场景y值维度相同的同源数据不同来源的异质数据提示矩阵输入方式要求所有 y 值向量长度必须一致否则会导致维度不匹配错误。当处理实验数据时建议先进行插值处理确保数据点对齐。这种方案的显著优势在于其执行效率——MATLAB 的图形引擎对矩阵形式的输入有专门优化。实测表明绘制 10 条 10,000 点的曲线时矩阵方案比连续输入快约 30%。但缺点是样式控制较为局限所有曲线必须共享相同的 x 坐标。2. 循环结合 hold on 方案对于需要精细控制每条曲线属性的场景hold on 命令配合循环结构提供了最大程度的灵活性。这种方案允许在保留已有图形的基础上逐步添加新曲线。figure; hold on; colors [r, g, b, c, m]; styles {-, --, :, -., -}; markers [o, , *, ., x]; for i 1:5 y sin(t) 0.2*i; plot(t, y, ... Color, colors(i), ... LineStyle, styles{i}, ... Marker, markers(i), ... MarkerIndices, 1:10:length(t)); end hold off;关键参数控制技巧颜色系统除了使用预定义字符如 r 代表红色还可以通过 RGB 三元组指定plot(t, y, Color, [0.2 0.6 0.8]) % 自定义蓝绿色标记控制通过 MarkerIndices 参数可以显著提升渲染性能特别是在数据点密集时MarkerIndices, 1:50:length(t) % 每50个点显示一个标记线宽与透明度LineWidth, 1.5, ... MarkerFaceColor, auto, ... MarkerEdgeColor, k, ... MarkerSize, 8这种方案虽然代码量较大但在学术论文配图等需要精确控制视觉元素的场景中不可替代。通过合理设置循环变量可以系统性地生成具有一致视觉逻辑的曲线组。3. 矩阵转置方案当需要将矩阵的列作为独立曲线绘制时MATLAB 的默认行为可能会出人意料。理解矩阵方向与绘图结果的关系至关重要。data randn(100, 5); % 100个时间点5个变量 time 1:100; % 正确方式确保矩阵列数为曲线数 plot(time, data); % 绘制5条曲线 % 常见错误误将行作为曲线 plot(data); % 绘制100条曲线矩阵形状对绘图的影响矩阵形状plot(X,Y)行为plot(Y)行为列向量 (N×1)单条曲线单条曲线行向量 (1×N)单条曲线单条曲线矩阵 (N×M)M条曲线每列一条M条曲线每列一条注意当处理转置矩阵时务必使用 size() 函数验证维度。一个实用的调试技巧是在绘图前添加disp(size(Y))检查矩阵维度。在金融数据分析中这种方案常用于同时绘制同一时间段内的多支股票走势。配合 datetick 函数可以生成专业的时间序列图stocks randn(252, 10)*0.02 linspace(0,1,252); dates datetime(2023,1,1):days(1):datetime(2023,12,31); figure; plot(dates, stocks); datetick(x, mmm-yy, keeplimits); xlabel(交易日期); ylabel(标准化价格); title(投资组合表现);4. plotyy 双坐标轴方案当需要对比量纲不同但存在关联的数据时双 y 轴设计能有效提升图表的信息密度。MATLAB 的 plotyy 函数新版推荐使用 yyaxis为此提供了专业解决方案。t 0:0.01:10; y1 100*exp(-0.2*t).*sin(2*pi*t); % 振幅衰减振荡 y2 5*cos(2*pi*t/5); % 低频调制信号 % 传统plotyy语法 figure; [ax, h1, h2] plotyy(t, y1, t, y2); % 新版yyaxis语法R2016a figure; yyaxis left; plot(t, y1, b-, LineWidth, 1.5); ylabel(振荡幅度 (mV)); yyaxis right; plot(t, y2, r--, LineWidth, 2); ylabel(调制系数); xlabel(时间 (s)); title(双坐标轴信号分析);双坐标轴设计最佳实践视觉平衡原则左侧 y 轴范围建议占整个图形高度的 60%-70%避免右侧曲线挤压主体内容颜色对比使用互补色区分两侧曲线如蓝-红组合并保持与对应坐标轴标签颜色一致图例定位将图例放置在图形顶部或空白区域明确标注各曲线对应的坐标轴网格线处理仅为主坐标轴通常为左侧显示网格线避免视觉混乱在电子工程领域这种方案常用于展示电路仿真中电压与电流的同步变化或者机械系统中位移与速度的相位关系。一个典型的应用示例如下% 电机转速与温度监控 time hours(0:0.5:24); rpm 1800 200*randn(size(time)); temp 25 10*sind(hours(time)*15) randn(size(time)); figure; yyaxis left; plot(time, rpm, -o, MarkerIndices, 1:4:length(time)); ylabel(转速 (RPM)); ylim([1500 2200]); yyaxis right; plot(time, temp, r-s, MarkerIndices, 1:4:length(time)); ylabel(温度 (°C)); xlabel(运行时间); title(电机性能监测); xtickformat(hh:mm); grid on;5. tiledlayout 子图方案对于需要保持曲线独立性同时又方便对比的场景tiledlayout 提供的子图矩阵布局是现代 MATLAB 中最优雅的解决方案。相比传统的 subplot它提供了更精细的间距控制和标题管理。sensors 4; t 0:0.01:1; freqs [1, 5, 10, 20]; % 不同频率成分 % 创建2×2的瓦片布局 tiledlayout(2, 2, TileSpacing, compact, Padding, compact); for i 1:sensors nexttile; signal sin(2*pi*freqs(i)*t) 0.1*randn(size(t)); plot(t, signal); title(sprintf(传感器 %d: %.1f Hz, i, freqs(i))); xlabel(时间 (s)); ylabel(幅值); grid on; end % 添加全局标题和标签 sgtitle(多通道信号采集系统);布局优化技巧间距控制通过调整 TileSpacing 和 Padding 参数消除空白浪费tiledlayout(3, 2, TileSpacing, tight, Padding, none);跨列/行布局使用 nexttile 的 span 参数创建重点图表nexttile([1 2]); % 跨两列共享坐标轴通过 linkaxes 函数实现同步缩放ax1 nexttile(1); ax2 nexttile(2); linkaxes([ax1 ax2], xy);在实验数据分析中这种方案特别适合展示不同测试条件下的结果对比。下面的示例展示了如何创建专业的质量控制图表% 产品质量参数监控 batches 5; params {纯度, 粘度, pH值, 密度}; specs [99.9, 2.5, 7.0, 1.02]; % 规格标准 data specs randn(4,5).*[0.1; 0.2; 0.3; 0.05]; % 模拟数据 tiledlayout(2, 2, TileSpacing, compact); for i 1:4 nexttile; bar(1:batches, data(i,:)); hold on; yline(specs(i), r--, LineWidth, 1.5); title(params{i}); ylabel(测量值); xlabel(批次号); grid on; end sgtitle(季度质量报告 - 2023Q2); legend(实测值, 规格限, Location, northoutside);6. 高级样式与交互功能超越基础绘图MATLAB 提供了丰富的样式定制和交互功能可以显著提升图表的专业性和可用性。颜色映射进阶% 使用parula色彩映射生成渐变曲线 t linspace(0, 10, 100); data cumsum(randn(100, 8), 1); figure; colormap(parula(8)); colororder(parula(8)); h plot(t, data); title(使用Parula色彩映射的渐变曲线); % 添加专业色标 cb colorbar; cb.Ticks linspace(0,1,8); cb.TickLabels compose(组%d,1:8); cb.Label.String 实验组别;交互式标注% 创建带数据提示的曲线 x 0:0.1:10; y sin(x) 0.1*randn(size(x)); figure; p plot(x, y, -o, MarkerIndices, 1:10:length(x)); dcm datacursormode(gcf); set(dcm, UpdateFcn, (h,evt) sprintf(X: %.2f\nY: %.2f,... evt.Position(1), evt.Position(2))); % 添加可拖动参考线 hline yline(0, --, Threshold, Color, [0.5 0.5 0.5]); set(hline, Interactions, all); % R2020b 支持动态可视化% 创建动态更新的实时数据监控 figure; h animatedline(Color, b, LineWidth, 1.5); axis([0 10 -1.5 1.5]); grid on; for k 1:100 x k/10; y sin(x); addpoints(h, x, y); drawnow limitrate; pause(0.05); end在工业监控系统中结合这些高级功能可以创建极具表现力的仪表板。例如下面的生产数据监控示例% 工厂生产监控仪表板 tiledlayout(flow, TileSpacing, compact); % 实时产量曲线 nexttile; h1 animatedline(Color, [0 0.447 0.741], LineWidth, 2); title(分钟级产量); ylabel(件数); grid on; % 质量波动带 nexttile; h2 plot(nan, nan, b); hold on; h3 plot(nan, nan, r); title(质量指标波动); legend({上限, 下限}, Location, northwest); grid on; % 模拟数据更新 for k 1:1440 % 24小时数据 time datetime(now) - minutes(1440-k); yield 50 10*randn; qual_hi 95 randn; qual_lo 90 randn; addpoints(h1, datenum(time), yield); if k 1 xdata [get(h2,XData) datenum(time)]; set(h2, XData, xdata, YData, [get(h2,YData) qual_hi]); set(h3, XData, xdata, YData, [get(h3,YData) qual_lo]); else set(h2, XData, datenum(time), YData, qual_hi); set(h3, XData, datenum(time), YData, qual_lo); end if mod(k,60)0 % 每小时更新显示 drawnow; datetick(x, HH:MM); end end
