VT 值分布图绘制：使用 Python 分析不同时间节点的 VT 值变化

本代码使用 Python 绘制 VT 值分布图，分析不同时间节点的 VT 值变化趋势。代码展示了如何读取数据、计算统计量、绘制图表，并使用对数坐标轴展示 VT 值分布。

import numpy as np
import matplotlib.pyplot as plt
import os
import math
import time

### step1： 按照每一片画出不同目录（时间节点）的vt 值的分布
path='.\readvt\log\'
#path='.\vt-32Mb-skyworth\'

path1='.\readvt\results\'

dir=[]
abnorm=[]
vrd=6.0
files=os.listdir(path)
for i in files:
    if os.path.isdir(path+i):
        dir.append(i)

print(dir)

slotn=['1']
#files=['#1 2.log', '#3 4.log', '#5 6.log', '#7 8.log', '#9 10.log',]#,'3.log','4.log','5.log','6.log','7.log','8.log','9.log','10.log','11.log','12.log','13.log',
      # '14.log','15.log','16.log','17.log','18.log','19.log','20.log','21.log','22.log','23.log','24.log','25.log',
       #'26.log','27.log','28.log','29.log','30.log','31.log','32.log','33.log','34.log','35.log','36.log','37.log',
      # '38.log','39.log']#,'40.log']#,'41.log','42.log','43.log','44.log','45.log','46.log','47.log','48.log','49.log',
       #'50.log']#,'#101.log']
#files=['1','2','3','4','5','6','7',
files=['1.log','2.log','3.log','4.log','5.log','6.log','7.log','8.log','9.log','10.log','11.log','12.log','13.log','14.log','15.log','16.log','17.log'
       ,'18.log','19.log','20.log','21.log','22.log','23.log','24.log','25.log','26.log','27.log','28.log','29.log','30.log','31.log','32.log','33.log'
       ,'34.log','35.log','36.log','37.log','38.log','39.log','40.log','41.log','42.log','43.log','44.log','45.log','46.log','47.log','48.log','49.log'
       ,'50.log','61.log','62.log','63.log','64.log','65.log','66.log','67.log','68.log','69.log','70.log',
       '71.log','72.log','73.log','74.log','75.log','76.log','77.log','78.log','79.log','80.log',
       '81.log','82.log','83.log','84.log','85.log','86.log','87.log','88.log','89.log','90.log',
       '91.log','92.log','93.log','94.log','95.log','96.log','97.log','98.log','99.log','100.log']


## step2： 按照目录获取最小值并plt

plt.figure(figsize=(16,8),dpi=80)
for k in dir:
    files=os.listdir(path+k)
    # print(files,k)
    vt0_min=[]  ### list store of min vt value of each dir
    slot_name=[]
    vt_value_flt_wo0=[]
    for p in slotn:
        a='zero pattern vth worsest case:'
        for i in files:
            with open(path+k+'\'+i,'r',encoding='gb18030',errors='ignore') as file:
                data=file.readlines()
                for n in data:
                    if a in n:
                        #print(n)
                        vt_value_str=data[data.index(n)][31:-2]
                        #print(vt_value_str)
                        vt_value_flt_wo0.append(vt_value_str)
                        print(vt_value_flt_wo0,len(vt_value_flt_wo0))
                vt0_min=[float(i) for i in vt_value_flt_wo0]
            #slot_name.append(k+'\'+ str(i))
    #min_slot=slot_name[vt0_min.index(min(vt0_min))]
    print(vt0_min)
    x=np.sort(vt0_min)
    y=np.arange(1,len(x)+1)/len(x)
    plt.yticks(np.arange(-0.05,1.05,0.05)) # set yaxis label precision

    plt.semilogy(x,y,marker='.',linestyle=':',label='%s %d pcs min vt=%f'%(k,len(vt0_min),min(vt0_min)))
    plt.annotate(min(vt0_min),(min(vt0_min),1/len(vt0_min)))
#    plt.annotate('Vrd=%s'%vrd,(vrd+0.05,0.5))
    #plt.annotate(vt0_min[int(len(vt0_min)/2)],(vt0_min[int(len(vt0_min)/2)],0.5))#1/int(len(vt0_min)/2)))
    #plt.subplots_adjust(left=0.18, wspace=0.25, hspace=0.25,bottom=0.13, top=0.91)
#    plt.axvline(x=vrd,ls='-',c='red')
    plt.margins(x=0.5, y=0.05)
    plt.xlabel('vt value last not 0 count')
    plt.ylabel('cumulative probability (log10)')
    plt.legend(loc='lower right',fontsize='small')#'best'
    plt.tight_layout()
    plt.grid(b=bool)
    plt.title('vt distribution')
    #plt.show()
t = time.strftime('%Y%m%d-%H%M',time.localtime(time.time()))
plt.tight_layout()
plt.savefig(path1+'min_vt_value_distribution.png')
    #plt.savefig(path2+'vtdistr.png')
plt.close()

代码说明：

导入库： 导入 numpy、matplotlib.pyplot、os、math 和 time 库。
设置路径： 设置数据路径 path 和结果保存路径 path1。
读取目录： 读取 path 目录下的所有子目录，并存储到 dir 列表中。
循环遍历目录： 循环遍历 dir 列表中的每个目录。
读取数据： 读取每个目录下的所有文件，并提取 VT 值数据。
计算统计量： 计算每个目录下的 VT 值最小值。
绘制图表： 使用 plt.semilogy() 函数绘制 VT 值分布图，并将 y 轴设置为对数坐标轴。
保存图表： 将图表保存到 path1 目录下。

修改后的代码将 y 轴设置为对数坐标轴，同时保持 y 值不变。

注意：

确保代码中的路径指向正确的数据和结果目录。
可以根据需要修改图表的大小、标签、颜色等设置。
如果代码中出现错误，请检查代码中的路径、文件名和数据格式。