如何在MATLAB中使用For循环批量绘制15个cell的BER数据图表？

核心思路 #

把你已有的单Cell可视化逻辑封装成可复用函数，再通过for循环遍历所有15个Cell的数据，自动调用函数完成绘图、计算等操作，完全避免重复代码。

步骤1：封装单Cell可视化函数 #

将你之前处理前两个Cell的代码（覆盖面积计算、Surf图绘制、FEC图层添加）提取为一个独立函数，接受Cell数据和Cell编号作为参数：

import numpy as np
import matplotlib.pyplot as plt

def process_cell_ber(cell_data, cell_id):
    # 1. 计算覆盖面积（替换为你实际的计算逻辑）
    ber_matrix = cell_data["ber"]
    # 示例：统计BER低于FEC阈值的区域像素数作为覆盖面积
    coverage = np.sum(ber_matrix < cell_data["fec_threshold"])
    print(f"Cell {cell_id} 有效覆盖面积: {coverage}")

    # 2. 绘制Surf图
    fig = plt.figure(figsize=(10, 7))
    ax = fig.add_subplot(111, projection='3d')
    x_coords = cell_data["x"]
    y_coords = cell_data["y"]
    X, Y = np.meshgrid(x_coords, y_coords)
    
    surf = ax.plot_surface(X, Y, ber_matrix, cmap='plasma', edgecolor='none')
    fig.colorbar(surf, label='BER值')
    ax.set_title(f"Cell {cell_id} BER分布")
    ax.set_xlabel('X轴')
    ax.set_ylabel('Y轴')
    ax.set_zlabel('BER')

    # 3. 添加FEC相关图层（替换为你实际的图层逻辑）
    ax.contourf(X, Y, ber_matrix, levels=[0, cell_data["fec_threshold"]], 
                alpha=0.4, colors='darkorange', label='FEC有效区域')
    ax.legend()

    # 保存当前Cell的可视化结果（可选，避免画布重叠）
    plt.savefig(f"cell_{cell_id}_ber_analysis.png", dpi=150)
    plt.close()  # 释放画布资源，防止内存占用过高

步骤2：组织所有Cell的数据 #

把15个Cell的BER矩阵、坐标、FEC阈值等数据整理成可迭代的结构（比如列表），确保每个Cell的数据格式统一：

# 示例：假设你从文件读取或已生成15个Cell的数据列表
# 每个元素是包含ber、x、y、fec_threshold的字典
all_cell_data = [
    {"ber": np.load("cell_1_ber.npy"), "x": np.arange(0, 100), "y": np.arange(0, 100), "fec_threshold": 1e-3},
    {"ber": np.load("cell_2_ber.npy"), "x": np.arange(0, 100), "y": np.arange(0, 100), "fec_threshold": 1e-3},
    # ... 补充剩余13个Cell的数据
]

如果你的数据存储在批量命名的文件中（比如cell_1_ber.csv、cell_2_ber.csv），可以直接在循环中动态读取，无需提前整理列表：

# 动态读取文件的示例
all_cell_data = []
for i in range(1, 16):
    ber_data = np.genfromtxt(f"cell_{i}_ber.csv", delimiter=',')
    all_cell_data.append({
        "ber": ber_data,
        "x": np.arange(ber_data.shape[1]),
        "y": np.arange(ber_data.shape[0]),
        "fec_threshold": 1e-3
    })

步骤3：For循环批量执行 #

遍历所有Cell数据，调用封装好的函数完成批量处理：

for cell_idx, cell_data in enumerate(all_cell_data, start=1):
    process_cell_ber(cell_data, cell_idx)

额外注意事项 #

• 如果需要在同一个画布中展示所有Cell的缩略图，可以调整函数，传入指定的子图轴对象，比如用plt.subplots(3,5)创建网格布局
• 确保每个Cell的输入数据维度一致，避免出现索引或形状不匹配的错误
• 若需要生成批量报告，可以在循环中收集每个Cell的覆盖面积数据，最后统一输出统计结果

内容的提问来源于stack exchange，提问作者SH_IQ