多文件TIME-X曲线同图绘制遇阻：字典方案失效，求简洁实现

原代码的核心问题 #

• 循环逻辑混乱：遍历文件名后，data变量仅保留最后一个文件的数据，后续遍历时间列、数值列时，全部基于最后一个文件处理，导致数据不匹配且丢失前序文件的信息。
• 绘图数据格式错误：my_dict["Time"]和my_dict["Value"]是Series对象的列表，直接传入plt.plot()无法被matplotlib正确解析，自然无法生成曲线。
• 图例逻辑冗余：if Legend_Title == Legend_Title等价于判断参数不为None，写法冗余，且未给每条曲线指定图例标签。

修正后的简洁实现方案 #

以下代码支持任意数量文件，按指定列生成同图多曲线，逻辑清晰且避免数据丢失：

import pandas as pd
import matplotlib.pyplot as plt

def func(x):
    s1 = x % 100
    s2 = (x // 100) % 100
    s3 = x // 10000
    return s3 * 3600 + s2 * 60 + s1

def plot_multi_curves(file_names, time_headers, value_headers, 
                      x_label=None, y_label=None, title=None, legend_title=None):
    # 确保输入列表长度匹配
    if len(file_names) != len(time_headers) or len(file_names) != len(value_headers):
        raise ValueError("文件名列表、时间列头列表、数值列头列表长度必须一致")
    
    plt.figure(figsize=(10, 6))  # 可选：设置图大小
    
    for fname, time_col, val_col in zip(file_names, time_headers, value_headers):
        # 读取文件（sep="\s+"处理任意数量空格分隔，适配多数空格分隔的文本文件）
        data = pd.read_csv(fname, sep="\s+")
        # 转换时间格式
        time_data = data[time_col].map(func)
        # 获取数值数据
        val_data = data[val_col]
        # 绘制单条曲线，用文件名作为图例标签
        plt.plot(time_data, val_data, label=fname)
    
    # 设置图表属性
    if x_label:
        plt.xlabel(x_label)
    if y_label:
        plt.ylabel(y_label)
    if title:
        plt.title(title)
    # 添加图例，自动调整布局避免截断
    plt.legend(title=legend_title if legend_title else None, loc="upper right", bbox_to_anchor=(1.05, 1))
    plt.tight_layout()
    plt.show()

# 调用示例
plot_multi_curves(
    file_names=["PINA  50.199 263.960 20011121 GEODETIC nT17280", "ISLL  53.856 265.340 20011121 GEODETIC nT17280"],
    time_headers=["TIME", "TIME"],
    value_headers=["X", "X"],
    x_label="时间（秒）",
    y_label="X值",
    title="多文件曲线对比",
    legend_title="数据源文件"
)

关键优化点 #

• 同步遍历输入：用zip()同时遍历文件名、时间列头、数值列头，确保每个文件对应正确的列，避免数据错位。
• 逐文件即时绘图：读取一个文件就绘制对应曲线，无需额外字典存储，逻辑更简洁，内存占用更低。
• 输入合法性校验：提前检查输入列表长度匹配性，快速定位参数错误。
• 图表可读性优化：用plt.tight_layout()自动调整布局，避免图例被截断；用文件名作为曲线标签，直观区分数据源。

内容的提问来源于stack exchange，提问作者Passion4Cats22