Python数据分析 Anaconda发行版 Jupyter notebook 安装和文档 启动 运行机制 主界面 新建文档 工作界面 文档结构 编辑和命令模式 快捷键 执行和输出 Markdown单元 图片和视频 幻灯片 导出格式 魔法命令 Numpy 基础知识 数据类型 创建数组 数组运算 通用函数 索引切片迭代 添加删除去重 形状变换 堆积数组 分割数组 视图和复制 广播机制 花式索引 布尔索引 统计方法 随机数 Pandas Series DataFrame Index 重建索引 轴向上删除条目 索引和切片 算术和广播 函数和映射 排序和排名 统计和汇总 文件读取 分块读取 写出数据 JSON和Pickle HDF5 EXCEL文件 Web交互 数据库交互 删除缺失值 补全缺失值 删除重复值 替换 重命名轴索引 离散化和分箱 检测和过滤 随机和抽样 字符串操作 分层索引 分层索引进阶 合并连接 粘合与堆叠 重塑 Matplotlib 配置环境 使用常识 保存图形 两种图画接口 使用中文 线型图 颜色线型和标记 坐标轴上下限 坐标轴刻度 图题、轴标签和图例 配置图题 配置图例 颜色条 文本、箭头和注释 散点图 直方图 条形图 饼图 误差线 等高线 多子图 patch 自定义坐标轴刻度 风格样式展示 下一步

自定义坐标轴刻度

阅读: 4105     评论：0

Matplotlib图形对象具有层级关系。Figure对象其实就是一个盛放图形元素的盒子box，每个figure都会包含一个或多个axes对象，而每个axes对象又会包含其它表示图形内容的对象，比如xais和yaxis，也就是x轴和y轴。

  • 主要刻度和次要刻度

每个坐标轴都有主要刻度和次要刻度，主要刻度往往更大或者突出显示，而次要刻度往往更小，一般不直接显示。

下面是一个对数坐标轴，可以看到次要刻度：

ax = plt.axes(xscale='log', yscale='log')

我们发现每个主要刻度都显示未一个较大的刻度线和标签，而次要刻度都显示为一个较小的刻度线，并且不现实标签。

img

每种刻度线都包含一个坐标轴定位器（locator）和格式生成器（formatter），可以通过下面的方法查看：

>>> ax.xaxis.get_major_locator()
<matplotlib.ticker.LogLocator at 0x276ff49db38>
>>> ax.xaxis.get_major_formatter()
<matplotlib.ticker.LogFormatterSciNotation at 0x276ff49d978>

>>> ax.xaxis.get_minor_locator()
<matplotlib.ticker.LogLocator at 0x276ff49d940>
>>> ax.xaxis.get_minor_formatter()
<matplotlib.ticker.LogFormatterSciNotation at 0x276ff493320>

我们可以发现，针对x或y轴，针对主要和次要，针对定位器和格式器，分别有不同的对象来处理。

  • 隐藏刻度与标签

如果我们想隐藏刻度或标签，就要着落在locator和formatter这两大属性上了：

ax = plt.axes()
x = np.linspace(0,10,100)
ax.plot(np.sin(x))

ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())

img

可以看出，没有locator，刻度和标签都会被隐藏起来；没有formatter，隐藏标签，但刻度还存在。

  • 设置刻度数量

默认情况下，matplotlib会自动帮我们调节刻度的数量，但有时候也需要我们自定义刻度数量：

fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)
for axi in ax.flat:
    axi.xaxis.set_major_locator(plt.MaxNLocator(4))
    axi.yaxis.set_major_locator(plt.MaxNLocator(4))

img

 patch 风格样式展示 

评论总数： 0

点击登录后方可评论