Matplotlib 怎么设置坐标轴刻度？
什么是轴刻度？
在 Matplotlib 库中，轴刻度指的是沿轴显示和间隔值的办法。Matplotlib 支持多种类型的刻度，这些刻度会影响数据在轴上的可视化和分布方式。
matplotlib 库中有几种常见的轴刻度，它们是：
Linear Scale（默认）
Logarithmic Scale
Symmetrical Logarithmic Scale (Symlog)
选择合适的轴刻度取决于数据性质和所需的视觉效果。选择能够有效表示数据并在图表中传达准确信息的刻度非常重要。
不同刻度的使用场景
Linear− 适用于显示值之间间距均匀的数据。
Logarithmic− 适用于表示幅度范围宽的数据。
Symmetrical Logarithmic− 适用于包含正值和负值且不排除零的数据集。
实现不同刻度
让我们详细了解每种刻度在图表中的实现方式。
线性刻度
在 Matplotlib 中，线性刻度表示用于绘制数据的标准线性坐标系。它是默认应用于 x 轴和 y 轴的缩放方式，除非另有指定。
线性刻度的特性
均匀间距− 在线性刻度上，轴上的等增量表示数据中的等差异。例如，0 到 1 之间的距离与 1 到 2 之间的距离相同。
线性关系− 在线性刻度上绘制的數據点遵循线性关系，即绘图点之间的变化与数据变化成比例。
示例 - 使用线性刻度
在这个示例中，x 轴和 y 轴默认使用线性刻度。轴上的每个单位表示数据中的恒定增量。
import matplotlib.pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 创建带有线性刻度（默认）的图表 plt.plot(x, y) plt.xlabel('X轴') plt.ylabel('Y轴') plt.title('线性刻度图表') plt.show()输出
对数刻度
在 Matplotlib 中，我们可以使用plt.xscale()和plt.yscale()函数，或者在使用轴对象ax时使用对应的方法ax.set_xscale()和ax.set_yscale()，为轴设置对数刻度。这些函数允许我们将轴的刻度更改为对数刻度。
语法
以下是将 x 轴更改为对数刻度的语法，使用plt.xscale()−
plt.xscale('log')ax.set_xscale()
ax.set_xscale('log')以下是将 y 轴更改为对数刻度的语法，使用plt.yscale()−
plt.yscale('log')使用 ax.set_yscale()
ax.set_yscale('log')示例 - 使用对数刻度
这是一个演示如何为 x 轴和 y 轴设置对数刻度的示例
import matplotlib.pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5] y = [10, 100, 1000, 10000, 100000] # 创建带有两个轴的对数刻度的图表 plt.plot(x, y) # 为 x 轴和 y 轴设置对数刻度 plt.xscale('log') plt.yscale('log') plt.xlabel('X轴 (对数刻度)') plt.ylabel('Y轴 (对数刻度)') plt.title('对数刻度图表') plt.show()输出
对称对数刻度 (Symlog)
在 Matplotlib 中，对称对数刻度通常称为symlog，它允许在对数刻度上绘制数据，同时对零附近的正值和负值进行对称处理。
symlog刻度结合了零附近的值的线性缩放和远离零的值的对数缩放。
语法
以下是为轴设置对称对数刻度的语法 −
对于 x 轴
plt.xscale('symlog', linthresh=base, linscale=lin_scale)对于 y 轴
plt.yscale('symlog', linthresh=base, linscale=lin_scale)其中，
linthresh− 线性阈值，决定了线性行为和对数行为之间转换的位置。
base− 对数的底数（默认为 10）。
linscale− 零附近线性范围的缩放因子（默认为 1.0）。
示例 - 使用对称对数刻度
在这个示例中，plt.yscale('symlog', linthresh=0.1)将 y 轴设置为对称对数刻度，线性阈值 (linthresh) 为 0.1。接近零的值将以线性方式显示，而远离零的值将遵循对数刻度。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-10, 10, 500) y = np.sinh(x) plt.plot(x, y) plt.yscale('symlog', linthresh=0.1) # 为 y 轴应用对称对数刻度 plt.title('对称对数刻度图表') plt.show()输出
使用不同刻度的图表
在这个示例中，我们使用 matplotlib 库绘制带有不同刻度的图表。
示例 - 同时使用多种刻度
import numpy as np import matplotlib.pyplot as plt plt.rcParams["figure.figsize"] = [7.50, 3.50] plt.rcParams["figure.autolayout"] = True t = np.arange(0.01, 10.0, 0.01) data1 = np.exp(t) data2 = np.sin(2 * np.pi * t) fig, ax1 = plt.subplots() color = 'red' ax1.set_xlabel('时间 (s)') ax1.set_ylabel('exp', color=color) ax1.plot(t, data1, color=color) ax1.tick_params(axis='y', labelcolor=color) ax2 = ax1.twinx() color = 'blue' ax2.set_ylabel('sin', color=color) ax2.plot(t, data2, color=color) ax2.tick_params(axis='y', labelcolor=color) plt.show()输出
Matplotlib 中具有不同刻度的多个轴
在这个示例中，我们将看到如何创建共享的 Y 轴。
示例 - 使用多个轴的刻度
import matplotlib.pyplot as plt fig, ax1 = plt.subplots() ax1.plot([1, 2, 3, 4, 5], [3, 5, 7, 1, 9], color='red') ax2 = ax1.twinx() ax2.plot([11, 12, 31, 41, 15], [13, 51, 17, 11, 76], color='blue') fig.tight_layout() plt.show()