import numpy as np import matplotlib.pyplot as plt # 苯甲酸数据 time_ben = [0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5, 5.5, 6, 6.5, 7, 7.5, 8, 8.5, 9, 9.5, 10, 10.5, 11, 11.5, 12, 12.5, 13, 13.5, 14, 14.5, 15, 15.5, 16, 16.5, 17, 17.5, 18, 18.5, 19, 19.5, 20] temp_ben = [15.731, 15.808, 15.893, 15.944, 15.975, 15.993, 16.005, 16.015, 16.022, 16.029, 16.034, 16.038, 16.043, 16.044, 16.048, 16.050, 16.052, 16.054, 16.056, 16.059, 16.111, 16.469, 16.767, 17.048, 17.224, 17.331, 17.404, 17.469, 17.512, 17.546, 17.576, 17.601, 17.619, 17.635, 17.646, 17.654, 17.661, 17.667, 17.671, 17.675] # 计算平均温度对应时间 coeff_post_ben = np.polyfit(time_ben[-20:], temp_ben[-20:], 1) t_avg_ben = (16.830 - coeff_post_ben[1]) / coeff_post_ben[0] # 提取10min和16min温度 T_10 = temp_ben[time_ben.index(10)] # 16.059℃ T_16 = temp_ben[time_ben.index(16)] # 17.601℃ # 插值数据曲线在t_avg处的温度 T_data_avg = np.interp(t_avg_ben, time_ben, temp_ben) # 绘图 plt.figure(figsize=(12, 7)) plt.plot(time_ben, temp_ben, 'k-o', markersize=8, markerfacecolor='none', markeredgewidth=1.5, linewidth=1.5, label='苯甲酸') # 绘制参考线 plt.axvline(t_avg_ben, color='purple', linestyle='--', linewidth=2, label=f'校正时间 ({t_avg_ben:.1f} min)') plt.hlines(T_10, xmin=10, xmax=t_avg_ben, colors='red', linestyles=':', linewidth=1.5) plt.hlines(T_16, xmin=16, xmax=t_avg_ben, colors='green', linestyles=':', linewidth=1.5) plt.hlines(T_10, xmin=0, xmax=10, colors='red', linestyles=':', linewidth=1.5) plt.hlines(T_16, xmin=0, xmax=16, colors='green', linestyles=':', linewidth=1.5) plt.hlines(T_data_avg, xmin=0, xmax=t_avg_ben, colors='blue', linestyles=':', linewidth=1.5) # 标注关键点 plt.plot(t_avg_ben, T_10, 'ro', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.plot(t_avg_ben, T_16, 'go', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.plot(t_avg_ben, T_data_avg, 'bo', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.annotate(f'T={T_10}℃', (0, T_10), (5,5), textcoords='offset points', color='red', fontsize=10) plt.annotate(f'T={T_16}℃', (0, T_16), (5,5), textcoords='offset points', color='green', fontsize=10) plt.annotate(f'T={T_data_avg:.2f}℃', (0, T_data_avg), (5,5), textcoords='offset points', color='blue', fontsize=10) # 图表美化 plt.xlabel('时间 (分钟)', fontsize=12) plt.ylabel('温度 (℃)', fontsize=12) plt.title('苯甲酸温度校正图（校正温度: 16.830℃）', fontsize=14) plt.legend(loc='lower right') plt.grid(linestyle='--', alpha=0.6) plt.tight_layout() plt.show() 根据要求修改代码：请分别制作苯甲酸和萘的温度矫正图（需要的坐标轴的），要求如下：将各数据点设置为空心，外缘线用黑色，把数据用线连接起来，苯甲酸的平均温度是16.830，萘的平均温度是17.232，然后在平均温度处做一条竖直线，然后在10min和16min的点往平均温度的那条竖直线做温度趋势延长线（拟合好一点）交于两个点并标注出来，同时往纵轴做一条水平虚线段，交纵轴于两个点，数据的曲线交平均温度的那条竖直线与一个点，这个点也要往纵轴做水平虚线段，交纵轴于一点并标注出来。

<think>好的，我现在需要帮助用户修改他们的Python代码，以分别生成苯甲酸和萘的温度校正图，并满足一系列具体要求。首先，我需要仔细阅读用户提供的原始代码和新的需求，确保理解每一个细节。 用户原来的代码是处理苯甲酸的数据，现在需要同时处理萘的数据，并生成两个独立的图表。首先，我需要确认用户是否已经提供了萘的数据，但看起来当前代码中只有苯甲酸的数据。因此，用户可能需要补充萘的数据，或者可能需要我调整代码结构以支持两种物质的数据处理。 接下来，用户的要求包括： 1. 分别制作苯甲酸和萘的温度校正图，每个图有自己的坐标轴。 2. 数据点设置为空心，外缘线用黑色，并用线连接数据点。 3. 在平均温度处（苯甲酸16.830℃，萘17.232℃）画一条竖直线。 4. 在10分钟和16分钟的点向平均温度的竖直线做温度趋势延长线，拟合要好，并标注交点。 5. 向纵轴做水平虚线段，标注交点。 6. 数据曲线与平均温度竖直线的交点也要向纵轴画水平虚线，并标注。 首先，我需要将现有代码结构改为处理两个数据集。可能需要将苯甲酸和萘的数据分开存储，比如使用字典或不同的变量。例如，使用字典来存储时间和温度数据，以及各自的平均温度。 然后，需要为每个物质生成独立的图表。原来的代码中只有一个plt.figure()，现在需要创建两个图，可能使用subplots或者分别生成两个figure。但用户提到“需要的坐标轴的”，可能是指每个图有自己的坐标轴，所以可能需要分开绘制，每个在单独的figure中。 数据点的样式需要调整：空心点，黑色边缘，用线连接。原来的代码中使用的是'k-o'，即黑色实心圆点，但用户需要空心，所以应该使用'markerfacecolor='none''，这在原代码中已经存在，所以可能需要确认是否正确应用。 接下来，平均温度处的竖直线，原代码中使用plt.axvline，这里需要根据各自的平均温度计算对应的时间t_avg。原来的苯甲酸是通过线性回归后的系数计算t_avg_ben，但用户现在直接给出了平均温度（16.830和17.232），所以可能需要重新计算对应的时间点。或者可能用户希望直接使用给定的平均温度对应的竖直线，但原代码中的平均温度是计算得到的，所以这里可能存在误解。 仔细看原代码，苯甲酸的平均温度是16.830，但原代码中计算t_avg_ben的方式是使用coeff_post_ben，即对后20个时间点进行线性拟合，然后解方程得到时间。用户现在可能希望直接使用给定的平均温度值来绘制竖直线，但需要找到该温度对应的时间点，可能需要通过插值或其他方法。或者，可能用户希望将平均温度作为已知值，直接计算对应的竖直线的位置，但需要明确如何确定时间点。 例如，原代码中，平均温度16.830对应的时间t_avg_ben是通过线性拟合后20个数据点得到的。现在用户可能希望对于萘的数据，同样进行类似的处理，即用后20个数据点拟合线性回归，然后解方程得到对应17.232℃的时间t_avg_naph。或者，用户可能希望直接使用给定的平均温度来设定竖直线的位置，但需要明确时间是如何得到的。可能原问题中存在误解，因为平均温度对应的校正时间是需要通过拟合得到的，而用户提供的平均温度可能是目标温度，需要根据拟合后的直线找到对应的时间。 所以，正确的步骤应该是： 对于苯甲酸： 1. 使用后20个时间点进行线性拟合，得到斜率和截距。 2. 用平均温度（16.830）代入拟合的直线方程，解出时间t_avg_ben。 对于萘： 假设用户提供了萘的时间数据和温度数据，同样处理后20个数据点，拟合得到斜率和截距，然后用17.232代入，得到t_avg_naph。 但用户提供的代码中只有苯甲酸的数据，因此需要用户补充萘的数据。但用户的问题描述中没有给出萘的数据，这可能是一个问题。因此，在回答中可能需要假设用户已经有了萘的数据，或者需要指导用户如何添加。 由于用户没有提供萘的数据，可能需要在代码中留出位置，让用户自行补充。或者可能用户希望代码结构适应两种物质，但需要示例。因此，在回答中，需要假设用户会提供萘的数据，并调整代码结构以处理两种物质。 接下来，关于趋势延长线的绘制。用户希望在10分钟和16分钟的点向平均温度的竖直线做延长线，这需要拟合这两个点的趋势。这里的拟合可能需要使用这些点附近的数据进行线性拟合，或者使用某种插值方法。例如，对于苯甲酸，在时间10分钟和16分钟的温度，如何拟合出一条直线，延伸到平均温度的竖直线处。 例如，对于苯甲酸的T_10（10分钟的温度，16.059℃），需要拟合从该点开始的趋势，可能使用该点之后的数据进行拟合，或者仅用该点和后续几个点来拟合一条直线，然后找到与平均温度竖直线的交点。但用户要求“拟合好一点”，可能需要使用某种插值方法，比如线性回归。 在原来的代码中，用户使用了np.polyfit对后20个时间点进行拟合，得到coeff_post_ben，这可能用于计算t_avg_ben。但对于10分钟和16分钟的延长线，可能需要对这些点附近的区域进行拟合。 或者，可能用户希望从10分钟的点到平均温度线画一条水平线，但原代码中是用水平虚线从10分钟到t_avg_ben，这可能不符合“趋势延长线”的要求。例如，原代码中的hlines是从10到t_avg_ben，但用户可能希望是拟合一条趋势线，而不是水平线。 这里可能存在误解。原代码中，用户绘制的是从10分钟的温度T_10水平延伸到t_avg_ben的竖直线，形成一条水平虚线。但根据用户的新要求，应该是“温度趋势延长线（拟合好一点）”，这意味着需要使用某种拟合方法，而不是水平线。这可能意味着需要根据10分钟附近的数据点拟合一条线，然后延伸到平均温度线处，得到交点。 因此，原代码中的处理方式可能不符合用户的新要求。需要调整这部分。 例如，对于苯甲酸，在10分钟附近的点，可能选取几个点（比如10分钟前后的数据点），进行线性拟合，得到一条直线，然后延伸到t_avg_ben处，找到对应的温度值，但实际上这可能并不正确，因为趋势延长线应该是指从10分钟到平均时间点的温度变化趋势，但需要明确用户的需求。 或者，用户可能希望从10分钟的点到平均温度线画一条直线，该直线可能是根据某种拟合结果，例如，假设在10分钟后温度开始上升，那么拟合这段时间的趋势线，并延伸到平均温度线处。但原代码中的处理是使用水平线，这可能不准确，需要改为拟合后的延长线。 这可能意味着用户希望用某种拟合方法（如线性回归）来得到10分钟后的温度趋势，并找到该趋势线与平均温度竖直线的交点。同样地，对于16分钟的点，也需要类似的处理。 这可能涉及到对数据的不同区段进行拟合。例如，对于苯甲酸的温度数据，在10分钟之后的数据可能处于升温阶段，所以可以拟合从10分钟到之后的数据点，得到一条直线，然后将该直线延伸到t_avg_ben处，得到交点。 例如，对于T_10（10分钟），假设从10分钟到之后的数据点进行线性拟合，得到斜率和截距，然后计算当时间等于t_avg_ben时的温度值，这将是交点。但此时，这个温度值可能不同于T_data_avg（数据曲线在t_avg_ben处的插值温度）。 这可能比较复杂，但用户要求“拟合好一点”，所以可能需要这样的处理。但原代码中使用的是水平线，这可能不符合要求，需要修改。 因此，总结修改步骤： 1. 将代码结构改为处理苯甲酸和萘两个物质，每个物质有自己的时间、温度数据以及平均温度。 2. 对每个物质，计算其校正时间t_avg（通过拟合后20个数据点，代入平均温度）。 3. 对每个物质，提取T_10和T_16的温度值。 4. 对每个物质，绘制温度曲线，设置空心黑色点，用线连接。 5. 在各自的平均温度处画竖直线。 6. 对于10分钟和16分钟的点，进行拟合（可能使用线性回归），得到趋势线，延伸到平均温度线，得到交点。 7. 绘制这些趋势线，并在交点处标注点。 8. 绘制从交点到纵轴的水平虚线，并标注温度值。 9. 数据曲线在平均温度线处的交点（即T_data_avg）也要绘制水平虚线到纵轴。 现在需要处理如何拟合10分钟和16分钟的趋势线。例如，对于苯甲酸的10分钟点，可能取该点之后的数据（比如从10分钟到数据结束）进行线性拟合，然后预测在t_avg_ben时间的温度。或者，可能取该点周围的几个点进行拟合。 例如，在原始数据中，苯甲酸的10分钟后的温度数据开始上升，可能属于加热阶段。因此，对于10分钟的延长线，可能需要拟合从10分钟到之后的数据点，得到一条直线，用于预测在t_avg_ben处的温度。 在代码中，这可以通过以下步骤实现： 对于苯甲酸的T_10（时间=10分钟），找到该时间点在time_ben中的索引，然后取该索引之后的数据点进行拟合。例如： index_10 = time_ben.index(10) x_fit_10 = time_ben[index_10:] y_fit_10 = temp_ben[index_10:] coeff_10 = np.polyfit(x_fit_10, y_fit_10, 1) 然后，当时间为t_avg_ben时，温度是coeff_10[0] * t_avg_ben + coeff_10[1] 同样地，对于时间=16分钟的点，找到其索引，取之后的数据进行拟合： index_16 = time_ben.index(16) x_fit_16 = time_ben[index_16:] y_fit_16 = temp_ben[index_16:] coeff_16 = np.polyfit(x_fit_16, y_fit_16, 1) 温度为coeff_16[0] * t_avg_ben + coeff_16[1] 但这样可能得到的温度与实际数据曲线在t_avg_ben处的插值温度不同。或者，可能用户希望趋势延长线是连接10分钟的点到平均温度线的直线，而该直线的斜率是基于某种拟合的。 或者，用户可能希望使用某种插值方法，如线性插值，从10分钟的点到后面的点，得到趋势线。例如，使用10分钟和后面的几个点进行拟合。 不过，用户要求“拟合好一点”，所以可能需要使用更多的点进行线性回归，以得到更准确的趋势线。 因此，修改后的代码需要为每个物质，每个时间点（10和16分钟）进行拟合，得到趋势线，并计算在t_avg处的温度值，作为交点。 然后，绘制这些趋势线，从原始时间点（10或16分钟）延伸到t_avg处，同时在交点处画点，并绘制水平虚线到纵轴。 此外，数据曲线在t_avg处的温度（通过插值得到的T_data_avg）也需要绘制水平虚线到纵轴。 现在，需要将原代码中的水平虚线（hlines）替换为趋势线，这可能涉及绘制从原始时间点到t_avg的拟合线，而不仅仅是水平线。 例如，原代码中的： plt.hlines(T_10, xmin=10, xmax=t_avg_ben, colors='red', linestyles=':', linewidth=1.5) 这画的是水平线，但现在需要改为趋势线，即斜线。因此，需要使用plot函数来绘制这条线，从(10, T_10)到(t_avg_ben, T_fit_10)，其中T_fit_10是趋势线在t_avg_ben处的温度。 同样地，对于16分钟的点，从(16, T_16)到(t_avg_ben, T_fit_16)，其中T_fit_16是趋势线在t_avg_ben处的温度。 因此，步骤为： 1. 对每个物质，计算t_avg（校正时间）。 2. 对每个物质的10分钟和16分钟点，分别拟合其后的数据点，得到趋势线的斜率和截距。 3. 计算趋势线在t_avg处的温度值，作为交点。 4. 绘制从原始时间点到t_avg处的趋势线（可能使用plot函数）。 5. 在交点处画点，并绘制水平虚线到纵轴，标注温度值。 此外，数据曲线在t_avg处的温度T_data_avg也需要绘制水平虚线到纵轴。 现在，我需要将这些步骤转化为代码。 首先，处理苯甲酸和萘的数据结构。假设用户已经提供了萘的数据，变量为time_naph和temp_naph，平均温度为17.232。如果用户没有提供，需要在代码中添加占位符或示例数据，但可能用户希望代码结构适应两种物质，所以需要修改代码以循环处理两个物质。 例如，可以创建一个字典列表，每个元素包含物质名称、时间、温度、平均温度等信息： materials = [ { 'name': '苯甲酸', 'time': time_ben, 'temp': temp_ben, 'avg_temp': 16.830 }, { 'name': '萘', 'time': time_naph, 'temp': temp_naph, 'avg_temp': 17.232 } ] 但用户没有提供萘的数据，所以需要用户自行补充。因此，在回答中需要指出这一点，并提供示例结构。 接下来，对于每个物质，处理数据： for material in materials: time = material['time'] temp = material['temp'] avg_temp = material['avg_temp'] # 计算校正时间t_avg # 使用后20个数据点进行拟合 coeff_post = np.polyfit(time[-20:], temp[-20:], 1) t_avg = (avg_temp - coeff_post[1]) / coeff_post[0] # 提取10min和16min的温度 T_10 = temp[time.index(10)] T_16 = temp[time.index(16)] # 插值数据曲线在t_avg处的温度 T_data_avg = np.interp(t_avg, time, temp) # 拟合10分钟后的趋势线 index_10 = time.index(10) x_fit_10 = time[index_10:] y_fit_10 = temp[index_10:] coeff_10 = np.polyfit(x_fit_10, y_fit_10, 1) T_fit_10 = coeff_10[0] * t_avg + coeff_10[1] # 拟合16分钟后的趋势线 index_16 = time.index(16) x_fit_16 = time[index_16:] y_fit_16 = temp[index_16:] coeff_16 = np.polyfit(x_fit_16, y_fit_16, 1) T_fit_16 = coeff_16[0] * t_avg + coeff_16[1] # 绘图 plt.figure(figsize=(12,7)) plt.plot(time, temp, 'k-o', markersize=8, markerfacecolor='none', markeredgewidth=1.5, linewidth=1.5, label=material['name']) # 绘制校正时间竖线 plt.axvline(t_avg, color='purple', linestyle='--', linewidth=2, label=f'校正时间 ({t_avg:.1f} min)') # 绘制趋势延长线从10min到t_avg plt.plot([10, t_avg], [T_10, T_fit_10], 'r:', linewidth=1.5) plt.plot([16, t_avg], [T_16, T_fit_16], 'g:', linewidth=1.5) # 绘制交点 plt.plot(t_avg, T_fit_10, 'ro', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.plot(t_avg, T_fit_16, 'go', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.plot(t_avg, T_data_avg, 'bo', markersize=8, markerfacecolor='none', markeredgewidth=1.5) # 绘制水平虚线到纵轴 plt.hlines(T_fit_10, xmin=0, xmax=t_avg, colors='red', linestyles=':', linewidth=1.5) plt.hlines(T_fit_16, xmin=0, xmax=t_avg, colors='green', linestyles=':', linewidth=1.5) plt.hlines(T_data_avg, xmin=0, xmax=t_avg, colors='blue', linestyles=':', linewidth=1.5) # 标注温度值 plt.annotate(f'T={T_fit_10:.2f}℃', (0, T_fit_10), (5,5), textcoords='offset points', color='red', fontsize=10) plt.annotate(f'T={T_fit_16:.2f}℃', (0, T_fit_16), (5,5), textcoords='offset points', color='green', fontsize=10) plt.annotate(f'T={T_data_avg:.2f}℃', (0, T_data_avg), (5,5), textcoords='offset points', color='blue', fontsize=10) # 其他图表美化步骤... 这里需要注意的是，拟合后的温度T_fit_10和T_fit_16可能不同于原来的T_10和T_16，因为它们是趋势线在t_avg处的预测值。而原来的T_10和T_16是实际测量的温度值。 此外，绘制趋势线时，使用plot函数连接原时间点和t_avg处的预测温度点。例如，从10分钟到t_avg，温度从T_10变为T_fit_10，形成一条直线。 同时，水平虚线是从t_avg处的交点温度到纵轴，因此使用hlines函数，xmax=t_avg。 这样，每个物质的图表将包含趋势延长线（红色和绿色虚线），从10和16分钟到校正时间线，以及交点的水平虚线到纵轴，同时数据曲线在校正时间线的交点（蓝色点）也有水平虚线到纵轴。 可能还需要调整颜色和标签，确保图例正确。 现在，需要测试这段代码，但用户没有提供萘的数据，所以苯甲酸部分可以测试，而萘部分需要用户补充数据。 此外，需要确保时间数据中包含10和16分钟的点，否则index()方法会出错。在原始苯甲酸数据中，time_ben包含10和16分钟，所以没问题。如果萘的数据中也有这些时间点，同样适用。 最后，将代码整合，并为每个物质生成独立的图表。用户需要分别运行苯甲酸和萘的部分，或者使用循环处理。 总结，修改后的代码将包括： - 分别处理苯甲酸和萘的数据。 - 对每个物质计算校正时间。 - 对10和16分钟的点进行趋势拟合，得到交点温度。 - 绘制趋势线、交点及水平虚线。 - 设置数据点为空心，黑色边缘，连线。 可能还需要调整颜色和图例位置，确保图表清晰。</think>以下是修改后的代码实现，已按照要求分离苯甲酸和萘的图表，并添加注释说明关键修改点： ```python import numpy as np import matplotlib.pyplot as plt # ========== 数据部分 ========== # 苯甲酸数据（保持不变） time_ben = [0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5, 5.5, 6, 6.5, 7, 7.5, 8, 8.5, 9, 9.5, 10, 10.5, 11, 11.5, 12, 12.5, 13, 13.5, 14, 14.5, 15, 15.5, 16, 16.5, 17, 17.5, 18, 18.5, 19, 19.5, 20] temp_ben = [15.731, 15.808, 15.893, 15.944, 15.975, 15.993, 16.005, 16.015, 16.022, 16.029, 16.034, 16.038, 16.043, 16.044, 16.048, 16.050, 16.052, 16.054, 16.056, 16.059, 16.111, 16.469, 16.767, 17.048, 17.224, 17.331, 17.404, 17.469, 17.512, 17.546, 17.576, 17.601, 17.619, 17.635, 17.646, 17.654, 17.661, 17.667, 17.671, 17.675] # 萘数据（需要补充实际数据，此处为示例结构） time_naph = [...] # 请补充时间数据 temp_naph = [...] # 请补充温度数据 # ========== 通用绘图函数 ========== def plot_calibration(material_name, time, temp, avg_temp): # 计算校正时间 coeff_post = np.polyfit(time[-20:], temp[-20:], 1) t_avg = (avg_temp - coeff_post[1]) / coeff_post[0] # 提取特征温度点 T_10 = temp[time.index(10)] T_16 = temp[time.index(16)] T_data_avg = np.interp(t_avg, time, temp) # 数据曲线在校正时间的温度 # 创建画布 plt.figure(figsize=(12, 7)) # 绘制主曲线（空心圆点+黑线） plt.plot(time, temp, 'k-o', markersize=8, markerfacecolor='none', markeredgewidth=1.5, linewidth=1.5, label=material_name) # 绘制校正时间竖线 plt.axvline(t_avg, color='purple', linestyle='--', linewidth=2, label=f'校正时间 ({t_avg:.1f} min)') # 绘制趋势延长线（从10/16min到校正时间） for t_ref, color in zip([10, 16], ['red', 'green']): # 提取参考点后的数据段进行线性拟合 idx = time.index(t_ref) coeff = np.polyfit(time[idx:], temp[idx:], 1) # 计算延长线终点温度 T_ext = coeff[0] * t_avg + coeff[1] # 画趋势线 plt.plot([t_ref, t_avg], [temp[idx], T_ext], color=color, linestyle=':', linewidth=1.5) # 画终点标记 plt.plot(t_avg, T_ext, marker='o', markersize=8, markerfacecolor='none', markeredgecolor=color, markeredgewidth=1.5) # 画水平虚线段 plt.hlines(T_ext, xmin=0, xmax=t_avg, colors=color, linestyles=':', linewidth=1.5) # 添加温度标注 plt.annotate(f'T={T_ext:.3f}℃', (0, T_ext), (5,5), textcoords='offset points', color=color, fontsize=10) # 绘制数据曲线交点 plt.plot(t_avg, T_data_avg, 'bo', markersize=8, markerfacecolor='none', markeredgewidth=1.5) plt.hlines(T_data_avg, xmin=0, xmax=t_avg, colors='blue', linestyles=':', linewidth=1.5) plt.annotate(f'T={T_data_avg:.3f}℃', (0, T_data_avg), (5,5), textcoords='offset points', color='blue', fontsize=10) # 图表美化 plt.xlabel('时间 (分钟)', fontsize=12) plt.ylabel('温度 (℃)', fontsize=12) plt.title(f'{material_name}温度校正图（校正温度: {avg_temp}℃）', fontsize=14) plt.legend(loc='lower right') plt.grid(linestyle='--', alpha=0.6) plt.tight_layout() plt.show() # ========== 执行绘图 ========== # 苯甲酸图表 plot_calibration('苯甲酸', time_ben, temp_ben, 16.830) # 萘图表（需补充数据后取消注释） # plot_calibration('萘', time_naph, temp_naph, 17.232) ``` ### 关键修改说明： 1. **数据结构分离**：使用独立函数 `plot_calibration` 处理不同物质，参数化传递数据 2. **趋势延长线优化**：对10/16分钟后的数据段进行线性拟合，使延长线更符合数据趋势 3. **标注统一处理**：使用循环结构减少重复代码，保证苯甲酸和萘的样式一致 4. **样式规范**： - 空心圆点：`markerfacecolor='none'` - 黑色边缘：`markeredgecolor='k'` - 虚线样式：`linestyle=':'` ### 使用说明： 1. 补充萘的 `time_naph` 和 `temp_naph` 实际数据 2. 取消注释最后一行代码即可生成萘的图表 3. 所有温度标注均保留3位小数以提高精度 效果图中将包含： - 黑色空心圆点连接的主曲线 - 紫色虚线标注校正时间 - 红/绿色趋势延长线及交点 - 蓝色数据曲线交点 - 所有特征温度点在纵轴的标注