Matplotlib自定义坐标刻度的使用示例
作者：阿松爱睡觉
虽然matplotlib默认的坐标轴定位器与格式生成器可以满足大部分需求，但是并非对每一幅图都合适。
主次要刻度
学习前最好有对matplotlib图形的对象层级较为了解，例如查看前面的文章。
matplotlib的figure对象是一个盛放图形元素的包围盒。可以将每个matplotlib对象都看成是子对象的容器，每个figure都包含axes对象，每个axes对象又包含其他表示图形内容的对象，比如xaxis/yaxis，每个属性包含构成坐标轴的线条、刻度和标签的全部属性。
每一个坐标轴都有主次要刻度，主要刻度要比次要刻度更大更显著，而次要刻度往往更小。
import matplotlib.pyplot as plt import numpy as np ax = plt.axes(xscale='log', yscale='log') plt.show()
可以看到主要刻度都显示为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可读性，不显示标签。
隐藏刻度与标签
最常用的刻度/标签格式化操作可能就是隐藏刻度与标签了，可以通过plt.NullLocator()和plt.NullFormatter()实现。
示例如下：
ax = plt.axes() ax.plot(np.random.rand(50)) ax.yaxis.set_major_locator(plt.NullLocator()) ax.xaxis.set_major_formatter(plt.NullFormatter()) plt.show()
这里x轴的标签隐藏了但是保留了刻度线，y轴的刻度和标签都隐藏了。有的图片中都不需要刻度线，比如下面这张包含人脸的图形：
fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)
# 从scikit-learn获取一些人脸照片数据,(这个scikit-learn库在之前手写数字文章有讲)
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images
for i in range(5):
for j in range(5):
ax[i, j].xaxis.set_major_locator(plt.NullLocator())
ax[i, j].yaxis.set_major_locator(plt.NullLocator())
ax[i, j].imshow(faces[10 * i + j], cmap="bone")
plt.show()
花哨的刻度格式
matplotlib默认的刻度格式可以满足大部分的需求。虽然默认配置已经很不错了，但是有时候可能需要更多的功能，比如正弦曲线和余弦曲线。
默认情况下刻度为整数，如果将刻度与网格线画在π的倍数上图形会更加自然，可以通过设置一个multipleLocator来实现将刻度放在你提供的数值倍数上：
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 设置网格、图例和坐标轴上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi)
ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
plt.show()
matplotlib还支持用数学符号来做刻度，在数学表达式两侧加上美元符号$，这样就可以方便地显示数学符号和数学公式。
可以用plt.FuncFormatter来实现，用一个自定义函数设置不同刻度标签的显示：
def format_func(value, tick_number):
# 找到π/2的倍数刻度
N = int(np.round(2 * value / np.pi))
if N == 0:
return "0"
elif N == 1:
return r"$\pi/2$"
elif N == 2:
return r"$\pi$"
elif N % 2 > 0:
return r"${0}\pi/2$".format(N)
else:
return r"${0}\pi$".format(N // 2)
ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))
格式生成器与定位器
前面已经介绍了一些格式生成器和定位器，这里再用表格简单总结一些内置的格式生成器和定位器：
到此这篇关于Matplotlib自定义坐标刻度的使用示例的文章就介绍到这了,更多相关Matplotlib自定义坐标刻度内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！