PyQt5中NavigationToolbar2QT修改绘图标题时折线颜色错乱问题

使用PyQt5开发GUI，功能为加载CSV数据文件后，通过下拉菜单选择字段绘制折线图。添加NavigationToolbar2QT后，支持修改曲线样式、添加标题、调整坐标轴等操作，但处理6万行数据绘制3条折线时，通过工具栏添加标题或更改标记后，所有折线颜色会意外互换，图例却保持不变，导致绘图信息错误。例如首次绘图时：

• A vs time：蓝色（底部折线，图例“line A”）
• B vs time：橙色（中间折线，图例“line B”）
• C vs time：绿色（顶部折线，图例“line C”）
  添加标题后颜色错位：
• A vs time变为绿色（图例仍为“line A”）
• B vs time变为蓝色（图例仍为“line B”）
• C vs time变为橙色（图例仍为“line C”）

1. 颜色循环未重置：使用pandas.DataFrame.plot()时，Matplotlib的全局颜色循环会持续累加，每次调用plot会取下一个颜色。当工具栏操作触发重绘时，颜色循环的起始位置被打乱，导致新绘制的线条颜色和之前的不匹配。
2. 全局plt对象干扰：初始化时使用plt.subplots()创建图表，依赖Matplotlib的全局状态，在PyQt环境中容易引发状态不一致问题。
3. pandas.plot封装性限制：pandas的plot方法是对Matplotlib的封装，灵活性不足，难以精确控制线条颜色与字段的绑定关系。

1. 固定字段-颜色映射：为每个数据字段分配固定颜色，确保无论重绘多少次，字段对应的颜色始终一致。
2. 使用Matplotlib原生API：避免依赖pandas的plot方法，直接调用ax.plot()，精确控制绘图细节。
3. 隔离全局plt状态：在PyQt中直接创建Figure对象，而非通过plt.subplots()，避免全局状态干扰。
4. 优化大数据性能：对于6万行的大数据，使用Matplotlib原生绘图减少封装开销，可启用快速渲染模式提升流畅度。

from PyQt5 import QtWidgets
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.backends.backend_qt5agg import NavigationToolbar2QT as NavigationToolbar
from matplotlib.figure import Figure
import matplotlib.pyplot as plt
import pandas as pd
import os

class Widget(QtWidgets.QWidget):
    def __init__(self, parent=None):
        super().__init__(parent)
        self.combo = QtWidgets.QComboBox()
        self.combo.addItem("Choose a field")
        self.button = QtWidgets.QPushButton('Read csv file')

        # 直接创建Figure和Axes，避免全局plt状态干扰
        self.fig = Figure(figsize=(8, 6))
        self.ax = self.fig.add_subplot(111)
        self.figure_widget = FigureCanvas(self.fig)
        self.toolbar = NavigationToolbar(self.figure_widget, self)        
        self.fig.tight_layout()

        # 设置布局
        vlayout = QtWidgets.QVBoxLayout(self)
        hlayout = QtWidgets.QHBoxLayout()
        hlayout.addWidget(self.combo)
        hlayout.addWidget(self.button)
        hlayout.addStretch(2)
        vlayout.addLayout(hlayout)
        vlayout.addWidget(self.toolbar)        
        vlayout.addWidget(self.figure_widget)

        self.button.clicked.connect(self.read_data)
        self.combo.currentTextChanged.connect(self.field_changed)
        # 存储字段与颜色的固定映射
        self.field_color_map = {}

    def read_data(self):
        dialog = QtWidgets.QFileDialog(self, directory=os.curdir, caption='Open data file' )
        dialog.setAcceptMode(QtWidgets.QFileDialog.AcceptOpen)
        dialog.setFileMode(QtWidgets.QFileDialog.ExistingFile)
        if dialog.exec():
            file = dialog.selectedFiles()[0]
            self.data = pd.read_csv(file)
            self.combo.clear()
            self.combo.addItem("Choose a field")
            self.time_column_name = self.data.columns[0]            
            # 为每个字段分配固定颜色（复用Matplotlib默认颜色循环）
            default_colors = plt.rcParams['axes.prop_cycle'].by_key()['color']
            field_list = [col for col in self.data.columns if col != self.time_column_name]
            for idx, field in enumerate(field_list):
                self.field_color_map[field] = default_colors[idx % len(default_colors)]
                self.combo.addItem(field)
            self.combo.setCurrentIndex(0)

    def field_changed(self, field):
        self.ax.clear()
        if field in self.data.columns:
            time_data = self.data[self.time_column_name]
            field_data = self.data[field]
            # 使用固定颜色绘制线条
            self.ax.plot(time_data, field_data, color=self.field_color_map[field], label=field)
            self.ax.set_ylabel(field)
            self.ax.set_xlabel(self.time_column_name)
            self.ax.legend()
        self.fig.tight_layout()
        self.fig.canvas.draw()


if __name__ == '__main__':
    app = QtWidgets.QApplication([])
    widget = Widget()
    widget.show()
    app.exec()

如果需要同时绘制所有非时间字段（如问题中3条折线的场景），可修改field_changed方法如下：

def field_changed(self):
    self.ax.clear()
    # 遍历所有非时间字段绘制折线
    for field in self.field_color_map.keys():
        time_data = self.data[self.time_column_name]
        field_data = self.data[field]
        self.ax.plot(time_data, field_data, color=self.field_color_map[field], label=field)
    self.ax.set_xlabel(self.time_column_name)
    self.ax.set_ylabel('Value')
    self.ax.legend()
    self.fig.tight_layout()
    self.fig.canvas.draw()

内容的提问来源于stack exchange，提问作者dareToDiffer07