Plot 多个 2D 渐变数据集，带有颜色条。 问题：Python 绘制多个颜色条

Question

我正在做一些项目，我想比较我正在求解的某个方程的两个不同解。 我有一些时间和空间（x，y）相关的数据。 这意味着我对于每个时间步 T 都有一个数据文件 T.dat，其中包含我正在求解的方程的 xy 和 Z 值。 当我 plot 方程的解单独一切正常。 一旦我尝试创建一个循环来迭代一些时间步骤，我就会遇到我的颜色条在第二次迭代中没有被删除的问题。 对于第一个 Plot，它工作正常，但在第二个之后，颜色条继续在 plot 中累加。

这就是它的样子。

经过四次迭代

这是我的代码示例。 首先我导入了我的库。

import numpy as np
import glob
import matplotlib.pyplot as plt
import pandas as pd
from matplotlib import animation
import scipy as sp
from IPython.display import set_matplotlib_formats
set_matplotlib_formats('jpg')
from mpl_toolkits.mplot3d import Axes3D
#%matplotlib qt
import animatplot as amp
from sklearn.preprocessing import StandardScaler

其次，我开始在 Dataframes 中导入我的数据（一些细节是我的更改，但它与我的问题无关）（请注意，路径几乎都是相同的，因为我想先测试 plot function。如果可行，我将把数据为了它 ）

path_nonoise = r'Thesis/NCKSM/FieldData/'
path_noise_additive = r'Thesis/NCKSM/FieldData/'
path_noise_multiplicative = r'Thesis/NCKSM/FieldData/'
path_params_nonoise = r'Thesis/NCKSM/ParameterData/'
path_params_additive = r'Thesis/NCKSM/ParameterData/'
path_params_multiplicative= r'Thesis/NCKSM/ParameterData/'
all_files = len( sorted (glob.glob(path_nonoise + "/*.dat"))) #patern for the files

params_nonoise= pd.read_table(path_params_nonoise+'0'+'.dat',sep=':',names=['Params', 'Value',] )
params_Names_nonoise= np.asarray(params_nonoise['Params'].values.tolist())
params_Values_nonoise= np.asarray(params_nonoise['Value'].values.tolist())
quantum= int(params_Values_nonoise[3])
numberofdatas = np.arange(0,all_files)


#creat  a list of the names 

timesteps = np.arange(0,all_files*quantum,quantum )
nameofdata = [str(timesteps) for timesteps in timesteps]
# use your path

                                  
dfs_nonoise=[]
dfs_noise_additive=[]
dfs_noise_multiplicative=[]

for filename in nameofdata:
    foo1=pd.read_table(path_nonoise+filename+'.dat',sep='\s+',names=['X', 'Y','C','Rho'] )
    foo2=pd.read_table(path_noise_additive+filename+'.dat',sep='\s+',names=['X', 'Y','C','Rho'] )
    foo3=pd.read_table(path_noise_multiplicative+filename+'.dat',sep='\s+',names=['X', 'Y','C','Rho'] )
    dfs_nonoise.append(foo1)
    dfs_noise_additive.append(foo2)
    dfs_noise_multiplicative.append(foo3)

到目前为止，一切都很好。 现在这是我如何定义我的 Ploting function ，这就是我认为问题开始发生的地方。 我认为我的问题在于我如何在 function 中定义我的颜色条。

def plotgradient(fig,ax,X,Y,Z ,title  ):
    nbins= params_Values_nonoise[1] #this creats the gridpoints
    X_0= np.asarray(X.values.tolist())
    Y_0= np.asarray(Y.values.tolist())
    xi, yi = np.mgrid[X_0.min():X_0.max():nbins*1j, Y_0.min():Y_0.max():nbins*1j] #rearange the arrays 
    zi = np.asarray(Z.values.tolist()) #datas you need 
    t= ax.pcolormesh(xi, yi, zi.reshape(xi.shape), cmap='jet') #plottingfunction
    CS=ax.contour(xi, yi, zi.reshape(xi.shape) )
    ax.clabel(CS, inline=1, fontsize=10)
    colorbar=plt.colorbar(t, ax=ax, shrink=0.5, aspect=5) # colorbar
    ax.set_xlabel('x') #labels
    ax.set_ylabel('y')  
    ax.set_title(title) #title
    ax.grid()

现在，如果我想 plot 我的数据就是我所做的。 我刚做了一个for循环。

Fig, axes  = plt.subplots(ncols=2,nrows=1,figsize=(20,15))
my_path=r'/home/belkadi/Thesis/Plots/Plots27.01/additiveandnonoise/'
Ax1,Ax2=axes.flatten()


test=[0,1,2,3,4,5]
for i,j in zip(test,nameofdata[0:5]):
    f1=plotgradient(Fig, Ax1,dfs_nonoise[i]['X'],dfs_nonoise[i]['Y'], dfs_nonoise[i]['Rho'],'Density Gradient without noise' )
    f2=plotgradient(Fig, Ax2,dfs_nonoise[i]['X'],dfs_nonoise[i]['Y'], dfs_nonoise[i]['Rho'],'Density with noise' )
    plt.savefig(my_path+j+".png")
   
   

所以。 我试图在循环结束时使用 plt.clf() Fig.clf() plt.close() 。 My idea was that Python doesn't delete the previous colourbar and thats why I tried to tell python he should clear clear the figure after every plot what it does is that i just delets the figure completly and i get two blank plot. 像这样 [plt.clf() 之后的绘图] 然后我想也许我可以用 Ax1.cla() 清除轴，这也不起作用。

在此先感谢您的帮助。 我为我的物理学家意大利面条代码道歉。

问候齐诺

Answer 1

我解决了我的问题。

基本上问题在于我如何定义我的 Plot function。

 def plotgradient_double(fig,ax1,ax2,X,Y,Z1,Z2 ,title1, title2 ):
    nbins= params_Values[1] #this creats t'he gridpoints
    axes= [ax1,ax2]
    xi, yi = np.mgrid[X.values.min():X.values.max():nbins*1j, Y.values.min():Y.values.max():nbins*1j] #rearange the arrays 
    #datas you need 
    t1= ax1.pcolormesh(xi, yi, Z1.values.reshape(int(nbins),int(nbins)), cmap='jet',vmax=1.) 
    t2= ax2.pcolormesh(xi, yi, Z2.values.reshape(int(nbins),int(nbins)), cmap='jet',vmin=0,vmax=1. )      #plottingfunction
    #CS1=ax1.contour(xi, yi, Z1.values.reshape(int(nbins),int(nbins)) )
    #CS2=ax2.contour(xi, yi, Z2.values.reshape(int(nbins),int(nbins)) )
    #ax1.clabel(CS1, inline=1, fontsize=10)
    #ax2.clabel(CS2, inline=1, fontsize=10)
    #colorbar=fig.colorbar(T, ax=axc, shrink=0.5, aspect=5)
    for ax in axes:
        ax.set_xlabel('x',fontsize=15) #labels
        ax.set_ylabel('y',fontsize=15)  
         #title
        #ax.grid()
    ax1.set_title(title1,fontsize=15)
    ax2.set_title(title2,fontsize=15) 
    return t1,t2

之后，我可以在 for 循环中为 plot 多个数据创建一个颜色条，并在每次迭代后将其删除。

使用colorbar.remove()