如何在子图中将误差线与不同散点数据分开

问题描述

我需要帮助，在任何地方都找不到解决方案。我有9个子图，有些子图有多个数据文件，但是我无法在一个子图中分离三种不同数据的错误栏：

            fourList=['Carina.fits','Sextans.fits','UrsaMinor.fits']  
            kcolors=['crimson','darkslateblue','mediumslateblue']  
            kmarkers=['*','*','*']  
            kecolor=['crimson','mediumslateblue']  
              
            for l in range(0,len(fourList)):        
                  
                k=fits.open(fourList[l])  
                kfeh = k[1].data['Fe_H_1']     
                kmgfe = k[1].data['Mg_Fe']     
                kcfe = k[1].data['C_Fe']      
                kofe = k[1].data['O_Fe']      
                knfe = k[1].data['N_Fe']   
                kmnfe = k[1].data['Mn_Fe']   
                kalfe = k[1].data['Al_Fe']      
                     
                #Calculate [(C+N)/Fe]      
                kcnfe = np.log10(10**(kcfe+kfeh+8.39) + 10**(knfe+kfeh+7.78)) - np.log10(10.**8.39 + 10.**7.78) - kfeh      
                kcn = kcfe - knfe      
                      
                # Calculate [(MG)/MN]      
                kmgmn = kmgfe - kmnfe      
                  
                kfeherr = k[1].data['FE_H_ERR_1']   
                kmgfeerr = k[1].data['MG_FE_ERR']    
                kalfeerr = k[1].data['Al_FE_ERR']   
                kcfeerr = k[1].data['C_FE_ERR']  
                knfeerr = k[1].data['N_FE_ERR'] 
                kmnfeerr=k[1].data['MN_FE_ERR']
                
                              
                kcnfeerr = np.log10(10**(kcfeerr+kfeherr+8.39) + 10**(knfeerr+kfeherr+7.78)) - np.log10(10.**8.39 + 10.**7.78) - kfeherr  
                  
           
                kmask = (kfeh>-9999.99) & (kalfe>-9999.99) & (kmgfe>-9999.99) & (kmnfe>-9999.99)
        
                
                kmask_errors = (kfeherr > -999.99) & (kalfeerr > -999.99) & (kmgfeerr > -999.99) & (kmnfeerr > -999.99) & (kcfeerr>-999.99)  & (knfeerr>-999.99)
             
                kfeherr = kfeherr[kmask_errors]
                kfeh_ave = np.mean(kfeherr)
            
                kalfeerr = kalfeerr[kmask_errors]
                kalfe_ave = np.mean(kalfeerr)
                
                kcnfeerr = kcnfeerr[kmask_errors]
                kcnfe_ave = np.mean(kcnfeerr)
               
   
                axes[1][1].scatter(kfeh,kcnfe,c=kcolors[l],marker='*',alpha=0.8,s=400,lw=0)    
                axes[1][1].errorbar(0.3,-1,xerr=kfeh_ave,yerr=kcnfe_ave,ecolor=kecolor[l],capsize=5,lw=2,mew=2,ls='none',markersize='50')  
               

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）