微信公眾號: python數據科學家

【要點搶先看】

1.剖析plt和坐標軸對象ax的關系

2.主刻度與次刻度的概念

3.格式生成器與定位器的概念

4.數值型主次刻度與自定義格式生成器函數舉例

5.日期型主次刻度舉例

這一集，我們專門來談談坐標軸的有關內容，先看以下兩段代碼，他們實現的是同樣的功能：繪制正余弦兩個子圖：

代碼一：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0,10,1000)

plt.subplot(2, 1, 1)

plt.plot(x, np.sin(x)) #用plt繪制第一個子圖

plt.subplot(2,1,2)

plt.plot(x,np.cos(x)) #用plt繪制第二個子圖

plt.show()

代碼二：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0,10,1000)

fig, ax = plt.subplots(2,1)

ax[0].plot(x, np.sin(x)) #用對應的坐標軸對象畫第一個子圖

ax[1].plot(x, np.cos(x)) #用對應的坐標軸對象畫第二個子圖

plt.show()

可以看出，這兩段代碼所達到的效果是一樣的。代碼段一采用的是MATLAB風格的接口，這是由于Matplotlib最初是作為MATLAB替代品的歷史緣故。MATLAB風格的工具位于pyplot 即plt接口中，因此我們可以采用plt.plot函數來進行繪圖。這種接口最重要的特征就是“有狀態”：他表征當前所位于的子圖狀態，并持續跟蹤當前的圖形和坐標軸。并可以通過plt.gcf()獲取當前的活動Figure對象，利用plt.gca()獲取當前活動的axes坐標軸對象。

而代碼段二所采用的是完全不同的第二種模式，即面向對象接口，他在繪圖的過程之中不再受到當前所謂“活動”圖形及坐標軸的限制，因為他一次性就從subplots函數中獲取了表征所有坐標軸的ax數組和Figure對象。

補充一點，坐標軸對象ax包含了橫軸、縱軸所包圍的區域內的一切(各坐標軸、刻度、標簽、圖形等)

我最后來說說plt和ax二者的聯系，plt的絕大多數方法都有ax的對應版本，有的一模一樣，有的稍作改變：

plt.plot() = ax.plot()

plt.legend() = ax.legend()

plt.xlabel()/ylabel()/xlim()/ylim()/title() =

ax.setxlabel()/setylabel()/setxlim()/set_ylim()/set_title()

當然，如果用ax來設置這些參數的話，可以放在一個函數中，用多個關鍵字進行表征和設置

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0,10,1000)

ax = plt.axes()

ax.plot(x,np.sin(x))

ax.set(xlim=(0,10), ylim=(-2,2), xlabel='x', ylabel='sin(x)',title='plot sin(x)')

plt.show()

值得一提的是，在代碼段一中我們還可以通過ax = plt.subplot(2, 1, 1)或ax = plt.gca()這兩種方法來獲得當前的坐標軸對象ax。

強化了坐標軸ax的概念之后，我們再進入今天另一個重要的話題，坐標軸的主次刻度。

每一個坐標軸都有主要刻度線與次要刻度線。主要刻度更大更顯著，而次要刻度往往更小。主刻度都顯示為一個較大的刻度線和標簽，而次要刻度都顯示為一個較小的刻度線，而不顯示標簽。主次刻度這件事兒，大家想想我們用過的尺子就知道了，厘米的地方刻度要長而明顯，并且有數字標識，而毫米的地方刻度則要短，并且沒有數字標識。這么做既能滿足刻度線的完整性，又能突出刻度標識的重點。

我們先舉一個例子：

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

from matplotlib.ticker import MultipleLocator, FormatStrFormatter

fig = plt.figure()

xmajorLocator = MultipleLocator(20) # 將x主刻度標簽設置為20的倍數

xmajorFormatter = FormatStrFormatter('%1.1f') # 設置x軸標簽文本的格式

xminorLocator = MultipleLocator(5) # 將x軸次刻度標簽設置為5的倍數

ymajorLocator = MultipleLocator(0.5) # 將y軸主刻度標簽設置為0.5的倍數

ymajorFormatter = FormatStrFormatter('%1.1f') # 設置y軸標簽文本的格式

yminorLocator = MultipleLocator(0.1) # 將此y軸次刻度標簽設置為0.1的倍數

ax = plt.subplot(111)

ax.xaxis.set_major_locator(xmajorLocator)

ax.xaxis.set_major_formatter(xmajorFormatter)

ax.yaxis.set_major_locator(ymajorLocator)

ax.yaxis.set_major_formatter(ymajorFormatter)

# 顯示次刻度標簽的位置,沒有標簽文本

ax.xaxis.set_minor_locator(xminorLocator)

ax.yaxis.set_minor_locator(yminorLocator)

ax.xaxis.grid(True, which='major') # x坐標軸的網格使用主刻度

ax.yaxis.grid(True, which='minor') # y坐標軸的網格使用次刻度

t = np.arange(100)

s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)

plt.plot(t,s,'--r*')

plt.show()

這個例子中，我們設置了主刻度線和次刻度線，其中x軸主刻度線是20的整數倍，并且標明了刻度值，而次要刻度線是5的整數倍，省去了刻度值。y軸同理。

這里的核心是定位器和格式生成器兩個概念，我們先分別生成X軸的主定位器、主格式生成器，再生成X軸的次定位器(由于X軸次要坐標沒有刻度值，所以省去了次要格式生成器)

然后再利用坐標軸ax的xaxis.set_major_locator、xaxis.set_major_formatter和xaxis.set_minor_locator方法，分別對定位器和格式生成器進行賦值。

總結一下：我們就是通過定義每個坐標軸的locator和formatter對象，來完成刻線位置和標簽這些屬性的設置。

我們再看一個更復雜的例子

我們之前在繪制正余弦曲線圖的時候，橫坐標的刻度值都是整數1,2,3等等，按道理來說我們更想以

為度量，那么我們仿照上面的例子來做：

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

from matplotlib.ticker import MultipleLocator

x = np.linspace(0, 3*np.pi, 100)

plt.plot(x,np.sin(x))

ax = plt.axes()

ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi/2))

ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi/4))

plt.show()

基本上是那么個意思，主刻度是π/2的倍數，次刻度是π/4的刻度，但是用的是小數顯示，如果想更直觀的直接在圖上顯示π，怎么做？肯定還是要在格式生成器類上做文章，因為沒有內置的合適生成器滿足我們的要求，這里我們要用到自定義函數設置不同刻度的標簽顯示。這里我們讀取實際的刻度值，用自定義函數將其轉換為相應的π表達式。

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

from matplotlib.ticker import MultipleLocator

def format_func(value, tick_number):

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"${}\pi/2$".format(N)

else:

return r"${}\pi$".format(N//2)

x = np.linspace(0, 3*np.pi, 100)

plt.plot(x,np.sin(x))

ax = plt.axes()

ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi/2))

ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi/4))

ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))

ax.grid(True)

plt.show()

最后一部分，我們來談談日期型主次刻度。

一般來說，我們在處理時間序列的數據時，常常需要處理日期型X坐標值，比如一整年的特定數據，如果我們在X軸上將每天的刻度都標識出來，一來太擁擠，二來也沒太大必要，一般我們會選取一些大的時間節點作為主刻度線，比如每月1日，或者固定的每周幾。我們分別舉兩個例子來實現這兩種情況

首先我們把每月1日設置為主刻度，可以利用MonthLocator作為定位器，DateFormatter作為格式生成器。

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

import datetime

fig = plt.figure()

start = datetime.datetime(2017, 1, 1)

end = datetime.datetime(2018, 1, 1)

delta = datetime.timedelta(days=1)

dates = mpl.dates.drange(start, end, delta) #生成matplotlib指定的日期橫軸

y = np.random.rand(len(dates))*0.4+0.5

ax = plt.subplot(111,ylim=(0,1))

ax.plot_date(dates,y,linestyle='-',marker='.')

ax.xaxis.set_major_locator(mpl.dates.MonthLocator())

ax.xaxis.set_major_formatter(mpl.dates.DateFormatter('%Y-%m'))

ax.grid(True)

fig.autofmt_xdate() # 自動旋轉日期標記，用以適應橫軸空間

plt.show()

再補充強調幾個細節，一是我們把日期格式只設置成了年月的形式，表示每個月的第一天。并且設置了自動旋轉角度來適應橫軸空間。同時我們發現，我們需要mpl.dates.drange方法來專門形成matplotlib繪圖時可以識別的日期序列。

最后一個例子中我們以周為觀測單元，我們設置主刻度為每周一，次要刻度為每天。

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

import datetime

from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY

start = datetime.datetime(2017, 1, 1)

end = datetime.datetime(2017, 4, 1)

delta = datetime.timedelta(days=1)

dates = mpl.dates.drange(start, end, delta)

y = np.random.rand(len(dates))*0.4+0.5

fig,ax = plt.subplots(1)

ax.plot_date(dates,y,linestyle='-',marker='.')

mondays = WeekdayLocator(MONDAY)

alldays = DayLocator()

ax.xaxis.set_major_locator(mondays)

ax.xaxis.set_minor_locator(alldays)

mondayFormatter = DateFormatter('%Y-%m-%d')

ax.xaxis.set_major_formatter(mondayFormatter)

ax.grid(True)

fig.autofmt_xdate()

plt.show()

從代碼中我們可以看出，這里使用了周定位器WeekdayLocator，和日定位器DayLocator，主刻度格式設置為完整的年月日，其他的原理和之前都是一樣的。

【妹子說】很實用，刻度看起來確實是繪圖中不可忽視的一個重要細節！

總結

以上是生活随笔為你收集整理的python 坐标轴刻度_给妹子讲python-S02E08坐标轴与主次刻度的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。