使用numpy，matplotlib和OS（渲染probelm）的2D图的配色栏？

Question

我有多个.plx文件，这些文件包含两个格式为字符串的数字（1.plx，2.plx ...） 我设法修改了一个代码以加载数据，将其转换为浮子并使用适当的配色栏绘制它，但是我无法解决两个问题：

1. 线的颜色不会更新
2. 渲染线（可能是）由于重复））

我想尝试通过绘制numpy矩阵来避免渲染问题，因此我想：

1. 将数据
2. 存储加载到numpy矩阵中（以外的循环以外，以便我可以做其他数据处理工作）
3. 创建2D 与配色栏一起绘制的

我的尝试和结果是

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import os
IdVg = [IdVg for IdVg in os.listdir() if IdVg.endswith(".plx")]

n_lines = 20

steps = np.linspace(0.1, 50, 20)

norm = mpl.colors.Normalize(vmin=steps.min(), vmax=steps.max())
cmap = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.BuPu)
cmap.set_array([])

for i in IdVg:
    x, y = np.loadtxt(i, delimiter=' ', unpack=True, skiprows= 1, dtype=str)
    x = x.astype(np.float64)
    y = y.astype(np.float64)
    for z, ai in enumerate(steps.T): # Problem here, I want to store x, y values in a 40XN matrix
                                     # (x1, y1, x2, y2...x20, y20) and find a way to plot them
                                     # using Matplotlib and numpy
        plt.plot(x, y, c=cmap.to_rgba(z+1))
plt.ticklabel_format(style='sci', axis='y', scilimits=(0, 0))
plt.xlabel('$V_{GS}$ (V)', fontsize=14)
plt.ylabel('$I_{DS}$ (A)', fontsize=14)
plt.tick_params(axis='both', labelsize='12')
plt.grid(True, which="both", ls="-")
plt.colorbar(cmap, ticks=steps)
plt.show()

结果：谢谢！

Answer 1

由于您没有提供数据，因此我将生成自己的数据。我假设您想获得以下结果：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import os

n_lines = 20
steps = np.linspace(0.1, 50, 20)

norm = mpl.colors.Normalize(vmin=steps.min(), vmax=steps.max())
norm_steps = norm(steps)
cmap = mpl.cm.BuPu

plt.figure()
x = np.linspace(0, np.pi / 2)
for i in range(n_lines):
    y = i / n_lines * np.sin(x)
    plt.plot(x, y, c=cmap(norm_steps[i]))
plt.ticklabel_format(style='sci', axis='y', scilimits=(0, 0))
plt.xlabel('$V_{GS}$ (V)', fontsize=14)
plt.ylabel('$I_{DS}$ (A)', fontsize=14)
plt.tick_params(axis='both', labelsize='12')
plt.grid(True, which="both", ls="-")
plt.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.BuPu), ticks=steps)
plt.show()

显然，您必须将colormap更改为较低值中更可读的东西！