VT 值分布图：Python 脚本分析与可视化

使用 Python 脚本分析 VT 值分布

本脚本使用 Python 分析不同时间节点的 VT 值分布，并生成直方图，展示 VT 值的累积概率分布。

脚本代码

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.log','2.log','3.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.yscale('log')
    plt.yticks([10**i for i in range(-2,2)], ['1e-2', '1e-1', '1', '1e1']) # 修改y轴标签为指数形式
    plt.plot(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)), xytext=(-20, 0), textcoords='offset points') # 修改注释位置
    plt.xlabel('vt value last not 0 count')
    plt.ylabel('cumulative probability(log)')
    plt.legend(loc='lower right', fontsize='small')
    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()

代码解释

导入必要的库，包括 numpy, matplotlib.pyplot, os, math 和 time。
设置数据路径和相关参数。
读取不同目录（时间节点）下的数据文件，并提取 VT 值。
对每个目录的 VT 值进行排序，并计算累积概率分布。
使用 matplotlib 库绘制直方图，展示 VT 值的累积概率分布。
设置图形标题、轴标签、图例等信息。
使用 plt.savefig() 将图形保存到指定路径。

修改后的代码

代码中的 plt.yscale('log') 将 y 轴设置为对数刻度，plt.yticks([10**i for i in range(-2,2)], ['1e-2', '1e-1', '1', '1e1']) 则将 y 轴的刻度标签设置为指数形式，以方便观察和理解。

总结

通过 Python 脚本，我们可以轻松地分析不同时间节点的 VT 值分布，并生成直方图，直观地展示 VT 值的累积概率分布。