| Matplotlib控制坐标轴刻度间距和标签 | 您所在的位置：网站首页 › matplotlib设置横坐标刻度 › Matplotlib控制坐标轴刻度间距和标签 |
Matplotlib控制坐标轴刻度间距和标签
|
控制刻度间距 目前为止，我们让 Matplotlib 自动处理刻度在坐标轴上的位置，但有时我们需要覆盖默认的坐标轴刻度配置，以便更加快速估计图形中点的坐标。 import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker as ticker x = np.linspace(-20, 20, 1024) y = np.sinc(x) ax = plt.axes() ax.xaxis.set_major_locator(ticker.MultipleLocator(5)) ax.xaxis.set_minor_locator(ticker.MultipleLocator(1)) plt.plot(x, y, c = 'm') plt.show()
以上代码，强制水平刻度每隔 5 个单位步长呈现一次。此外，我们还添加了副刻度，副刻度的间隔为 1 个单位步长，步骤说明如下： 1. 首先实例化一个 Axes 对象——用于管理图形中的坐标轴：ax=plot.Axes()。 2. 然后使用 Locator 实例设置 x 轴 (ax.xaxis) 或 y 轴 (ax.yaxis) 的主刻度和副刻度。 也为副刻度添加辅助网格： import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker as ticker x = np.linspace(-20, 20, 1024) y = np.sinc(x) ax = plt.axes() ax.xaxis.set_major_locator(ticker.MultipleLocator(5)) ax.xaxis.set_minor_locator(ticker.MultipleLocator(1)) plt.grid(True, which='both', ls='dashed') plt.plot(x, y, c = 'm') plt.show()
Tips：我们已经知道，可以使用 plt.grid() 添加辅助网格，但此函数还有一个可选参数 which，它具有三个可选值："minor"、"major" 和 "both"，分别用于仅显示副刻度、仅显示主刻度、主副刻度同时显示。 控制刻度标签是时候介绍刻度标签的设置了，刻度标签是图形空间中的坐标，虽然数字刻度标签对于大多说场景来说是足够的，但是却并不总是能够满足需求。例如，我们需要显示 100 个公司的营收情况，这时候我们就需要横坐标刻度标签为公司名，而非数字；同样对于时间序列，我们希望横坐标刻度标签为日期。考虑到此类需求，我们需要使用 Matplotlib 为此提供了的 API 控制刻度标签。 可以按以下步骤为任何 Matplotlib 图形设置刻度标签： import numpy as np import matplotlib.ticker as ticker import matplotlib.pyplot as plt name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango') value_list = np.random.randint(0, 99, size = len(name_list)) pos_list = np.arange(len(name_list)) ax = plt.axes() ax.xaxis.set_major_locator(ticker.FixedLocator((pos_list))) ax.xaxis.set_major_formatter(ticker.FixedFormatter((name_list))) plt.bar(pos_list, value_list, color = 'c', align = 'center') plt.show()
Tips：我们首先使用 ticker.Locator 实例来生成刻度的位置，然后使用 ticker.Formatter 实例将为刻度生成标签。FixedFormatter 从字符串列表中获取标签，然后用 Formatter 实例设置坐标轴。同时，我们还使用了 FixedLocator 来确保每个标签中心都正好与刻度中间对齐。 更简单的设置方式虽然使用上述方法可以控制刻度标签，但可以看出此方法过于复杂，如果刻度标签是固定的字符列表，那么可以用以下简单的设置方法： import numpy as np import matplotlib.pyplot as plt name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango') value_list = np.random.randint(0, 99, size = len(name_list)) pos_list = np.arange(len(name_list)) plt.bar(pos_list, value_list, color = 'c', align = 'center') plt.xticks(pos_list, name_list) plt.show()
Tips：使用 plt.xticks() 函数为一组固定的刻度提供固定标签，此函数接受位置列表和名称列表作为参数值，可以看出，此方法比第一种方法实现起来更简单。 高级刻度标签控制不仅可以使用固定标签，使用 ticker API 可以使用函数生成的标签： import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker as ticker def make_label(value, pos): return '%0.1f%%' % (100. * value) ax = plt.axes() ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label)) x = np.linspace(0, 1, 256) plt.plot(x, np.exp(-10 * x), c ='c') plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--') plt.show()
Tips：在此示例中，刻度标签是由自定义函数 make_label 生成的。此函数以刻度的坐标作为输入，并返回一个字符串作为坐标标签，这比给出固定的字符串列表更灵活。为了使用自定义函数，需要使用 FuncFormatter 实例——一个以函数为参数的格式化实例。 这种将生成标签的实际任务指派给其他函数的方法称为委托(delegation)模式，这是一种漂亮的编程技术。比方说，我们要将每个刻度显示为日期，这可以使用标准的 Python 时间和日期函数完成： import numpy as np import datetime import matplotlib.pyplot as plt import matplotlib.ticker as ticker start_date = datetime.datetime(1998, 1, 1) def make_label(value, pos): time = start_date + datetime.timedelta(days = 365 * value) return time.strftime('%b %y') ax = plt.axes() ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label)) x = np.linspace(0, 1, 256) plt.plot(x, np.exp(-10 * x), c ='c') plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--') labels = ax.get_xticklabels() plt.setp(labels, rotation = 30.) plt.show()
Tips：可以利用 ax.get_xticklabels() 获取刻度标签实例，然后对标签进行旋转，以避免长标签之间重叠，旋转使用 plt.setp() 函数，其接受刻度标签实例和旋转角度作为参数值。 |
【本文地址】