如何修改Matplotlib绘图代码 将6张带竖线的子图转为平滑曲线

核心问题说明 #

你看到的异常竖线是原始时序数据存在瞬时跳变、采样间隔不均导致的折线突兀连接，通过make_interp_spline三次样条插值拟合趋势即可得到平滑曲线。

优化后的完整代码 #

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import make_interp_spline

# 通用平滑函数：输入原始x、y，返回平滑后的采样点
def smooth_curve(x, y, sample_num=300, k=3):
    # 先确保x单调递增（时序数据必须满足）
    x_sorted = np.sort(x)
    y_sorted = y[np.argsort(x)]
    # 生成更密集的采样点
    x_smooth = np.linspace(x_sorted.min(), x_sorted.max(), sample_num)
    # 三次样条拟合
    spl = make_interp_spline(x_sorted, y_sorted, k=k)
    y_smooth = spl(x_smooth)
    return x_smooth, y_smooth

# 数据预处理
plt.rcParams["figure.figsize"] = (12,3)
df=pd.read_csv("plot_data00.txt")
df=df[df['DOY'].between(184,187)]
df["HR"] = df["HR"]/24
df["DOY"] = df["DOY"]+ df["HR"]
# 按时间排序，避免插值异常
df = df.sort_values("DOY").reset_index(drop=True)

# 创建画布
fig=plt.figure(figsize=(20,17))

# 子图1：By
plt1=fig.add_subplot(611)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["By"])
plt1.plot(x_smooth, y_smooth)
# 可选：添加原始散点对照真实值
# plt1.scatter(df["DOY"], df["By"], s=3, alpha=0.4, color="gray")
plt1.set_ylabel("By",size=16)
plt1.set_title("3-6 July 2003",size=20)
plt1.get_yaxis().set_label_coords(-0.05,0.5)

# 子图2：Bz
plt2=fig.add_subplot(612)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["Bz"])
plt2.plot(x_smooth, y_smooth)
plt2.set_ylabel("Bz",size=16)
plt2.get_yaxis().set_label_coords(-0.05,0.5)

# 子图3：Vsw
plt3=fig.add_subplot(613)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["Vsw"])
plt3.plot(x_smooth, y_smooth)
plt3.set_ylabel("Vsw",size=16)
plt3.get_yaxis().set_label_coords(-0.05,0.5)

# 子图4：Nsw
plt4=fig.add_subplot(614)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["Nsw"])
plt4.plot(x_smooth, y_smooth)
plt4.set_ylabel("Nsw",size=16)
plt4.get_yaxis().set_label_coords(-0.05,0.5)

# 子图5：MRR
plt5=fig.add_subplot(615)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["reconnection_rate"])
plt5.plot(x_smooth, y_smooth)
plt5.set_ylabel("MRR",size=16)
plt5.get_yaxis().set_label_coords(-0.05,0.5)

# 子图6：MD
plt6=fig.add_subplot(616)
x_smooth, y_smooth = smooth_curve(df["DOY"], df["magnetopause_distance"])
plt6.plot(x_smooth, y_smooth)
plt6.set_ylabel("MD",size=16)
plt6.set_xlabel("Day of Year",size=16)
plt6.get_yaxis().set_label_coords(-0.05,0.5)

plt.savefig('myplot03.jpg', format='jpeg',dpi=None, edgecolor='g', transparent=True, bbox_inches='tight')

参数调整说明 #

• 调整smooth_curve函数的sample_num参数：数值越小平滑程度越高，数值越大越贴近原始数据波动
• 调整k参数：默认为3（三次样条），改为2平滑度更高，改为4更贴近原始值
• 如果数据噪声过大，可先做滑动平均预处理再插值，示例：df["By"] = df["By"].rolling(5, center=True).mean().dropna()，窗口大小可根据数据采样密度调整

内容的提问来源于stack exchange，提问作者Prater