Matplotlib/Pandas绘图与数据不符问题排查及代码优化咨询

核心问题原因 #

1. 数据未按深度排序：深度数据非连续且未按顺序排列，绘图时直接按原始数据顺序连接点，导致线条乱穿，无法反映随深度的变化趋势。
2. 子图内容错误：标注为Gamma的第二个子图，实际绘制的是Caliper数据，完全不符合预期。
3. 重复创建双X轴导致覆盖：第五个子图中两次创建ax15，后一次覆盖前一次，导致Static Fluid Temperature曲线丢失。
4. 冗余变量转换：将DataFrame列转为列表完全没必要，既浪费内存又不利于后续排序操作。

修复后的代码 #

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据并按深度排序（关键修复）
df1 = pd.read_excel(r'017_FLD_and_FLS.xlsx').sort_values(by='Depth').reset_index(drop=True)
df2 = pd.read_excel(r'017_SUMD_SUMS.xlsx').sort_values(by='Depth').reset_index(drop=True)

# 绘图设置
fig = plt.figure(figsize=(15,20))
fig.suptitle('GB017', fontsize=30, x=0.5, y=1.01)

# 1. 井径子图（Pre/Post）
ax01 = plt.subplot(151)
ax01.plot(df2['Caliper (pre-pumping)'], df2['Depth'], color="black")
ax01.invert_yaxis()
ax01.set_xlabel('Caliper (Inches)', color="black")
ax01.set_ylabel('Depth (Feet)', color="black")
ax01.grid(True)

ax11 = ax01.twiny()
ax11.plot(df2['Caliper (post-pumping)'], df2['Depth'], color='green')
ax11.set_xlabel('Caliper (post-pumping)', color="green")
ax11.tick_params(axis='x', labelcolor="green")
ax11.grid(True, linestyle='--')

# 2. 自然伽马子图（修复内容错误）
ax02 = plt.subplot(152, sharey=ax01)
ax02.plot(df2['Natural Gamma'], df2['Depth'], color="black")
ax02.set_xlabel('Gamma (counts)', color="black")
ax02.grid(True)

# 3. 中子-密度子图
ax03 = plt.subplot(153, sharey=ax01)
ax03.plot(df2['Spherical Density (long-S)'], df2['Depth'], color='red')
ax03.set_xlabel('Density (counts)', color='red')
ax03.tick_params(axis='x', labelcolor="red")
ax03.grid(True)

ax13 = ax03.twiny()
ax13.plot(df2['Neutron'], df2['Depth'], color='blue')
ax13.invert_xaxis()
ax13.set_xlabel('Neutron (counts)', color="blue")
ax13.tick_params(axis='x', labelcolor="blue")
ax13.grid(True, linestyle='--')

# 4. 电导率-电阻率子图
ax04 = plt.subplot(154, sharey=ax01)
ax04.plot(df2['Formation Conductivity'], df2['Depth'], color="black")
ax04.set_xlabel('Formation Conductivity(mS/cm)', color="black")
ax04.tick_params(axis='x', labelcolor="black")
ax04.grid(True)

ax14 = ax04.twiny()
ax14.plot(df2['Formation Resistivity'], df2['Depth'], color='blue')
ax14.invert_xaxis()
ax14.set_xlabel('Formation Resistivity (ohm-m)', color="blue")
ax14.tick_params(axis='x', labelcolor="blue")
ax14.grid(True, linestyle='--')

# 5. 温度与热脉冲子图（修复双X轴覆盖问题）
ax05 = plt.subplot(155, sharey=ax01)
ax05.plot(df1['Heat Pulse Flow'], df1['Depth'], color="black")
ax05.set_xlabel('Heat Pulse Flow (gpm)', color="black")
ax05.set_ylabel('Depth (Feet)', color="black")
ax05.grid(True)

# 第一个双X轴：静态流体温度
ax15 = ax05.twiny()
ax15.plot(df1['Static Fluid Temperature'], df1['Depth'], color='blue')
ax15.invert_xaxis()
ax15.set_xlabel('Static Fluid Temperature', color="blue")
ax15.tick_params(axis='x', labelcolor="blue")

# 第二个双X轴：泵送温度Run3（用新变量名避免覆盖）
ax25 = ax05.twiny()
# 调整轴位置避免重叠
ax25.spines['top'].set_position(('outward', 30))
ax25.plot(df1['Pumping Temperature Run 3'], df1['Depth'], color='orange')
ax25.invert_xaxis()
ax25.set_xlabel('Pumping Temperature Run 3', color="orange")
ax25.tick_params(axis='x', labelcolor="orange")
ax25.grid(True, linestyle='--')

fig.tight_layout()
plt.show()

代码优化建议（保持修改便捷性） #

• 统一深度轴同步：所有子图使用sharey=ax01，确保深度轴联动，修改一次即可全局生效。
• 提取绘图配置字典：把每个子图的曲线信息（数据列、颜色、标签）做成字典列表，循环生成子图，减少重复代码。例如：

  plot_configs = [
      {"subplot": 151, "curves": [
          {"data": ("Caliper (pre-pumping)", "Depth"), "color": "black", "xlabel": "Caliper (Inches)"},
          {"data": ("Caliper (post-pumping)", "Depth"), "color": "green", "xlabel": "Caliper (post-pumping)", "twiny": True}
      ]},
      # 其他子图配置...
  ]
  

• 处理深度对齐：如果df1和df2的深度不完全匹配，可使用pd.merge按深度合并数据，或用插值补全缺失深度点，确保所有曲线的深度轴完全一致。
• 避免全局plt调用：全程使用面向对象的ax.plot方式，不要混用plt.plot，代码逻辑更清晰，便于维护。

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