Matplotlib坐标轴格式

在一个函数图像中，有时自变量 x 与因变量 y 是指数对应关系，这时需要将坐标轴刻度设置为对数刻度。Matplotlib 通过 axes 对象的xscale或yscale属性来实现对坐标轴的格式设置。

示例：右侧的子图显示对数刻度，左侧子图则显示标量刻度。

import matplotlib.pyplot as plt
import numpy as np
fig, axes = plt.subplots(1, 2, figsize=(10,4))
x = np.arange(1,5)
axes[0].plot( x, np.exp(x))
axes[0].plot(x,x**2)
axes[0].set_title("Normal scale")
axes[1].plot (x, np.exp(x))
axes[1].plot(x, x**2)
#设置y轴
axes[1].set_yscale("log")
axes[1].set_title("Logarithmic scale (y)")
axes[0].set_xlabel("x axis")
axes[0].set_ylabel("y axis")
axes[0].xaxis.labelpad = 10
#设置x、y轴标签
axes[1].set_xlabel("x axis")
axes[1].set_ylabel("y axis")
plt.show()

图1：对数关系图

轴是连接刻度的线，也就是绘图区域的边界，在绘图区域（axes 对象）的顶部、底部、左侧和右侧都有一个边界线（轴）。通过指定轴的颜色和宽度，从而对进行显示格式设置，比如将所有轴的颜色设置为 None，那么它们都会成为隐藏状态，或者也可以给轴添加相应的颜色。以下示例为左侧轴、底部轴分别设置了红色、蓝色，如下所示：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
#为左侧轴，底部轴添加颜色
ax.spines['bottom'].set_color('blue')
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)
#将侧轴、顶部轴设置为None
ax.spines['right'].set_color(None)
ax.spines['top'].set_color(None)
ax.plot([1,2,3,4,5])
plt.show()

输出结果如下：

图2：输出结果

import numpy as np

设置x,y范围

x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#color指的是线的颜色，linewidth指的是线的粗细程度
#linestyle指的是线的类型
#第一个两个-指的就是虚线，第一个一个-指的就是实线
plt.show()

对x，y轴进行描述

x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('xxxx')
plt.ylabel('yyyy')

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#color指的是线的颜色，linewidth指的是线的粗细程度
#linestyle指的是线的类型
#第一个两个-指的就是虚线，第一个一个-指的就是实线
plt.show()

将x轴坐标自定义一组数据，y轴改为文字的

new_ticks = np.linspace(-2,2,11)
print(new_ticks)

x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('xxxx')
plt.ylabel('yyyy')

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#color指的是线的颜色，linewidth指的是线的粗细程度
#linestyle指的是线的类型
#第一个两个-指的就是虚线，第一个一个-指的就是实线

plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
          ['level1','level2','level3','level4','level5'])
plt.show()

设置坐标轴颜色

new_ticks = np.linspace(-2,2,11)
print(new_ticks)

x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('xxxx')
plt.ylabel('yyyy')

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#color指的是线的颜色，linewidth指的是线的粗细程度
#linestyle指的是线的类型
#第一个两个-指的就是虚线，第一个一个-指的就是实线

plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
          ['level1','level2','level3','level4','level5'])

#gca代表获取当前坐标轴
ax = plt.gca()
ax.spines['right'].set_color('red')
#右边的边框设置为红色
ax.spines['top'].set_color('red')
#上面的边框也设置为红色

plt.show()

坐标轴右边和上边的边框去掉

#gca代表获取当前坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#右边和上边的边框去掉

设置x轴，y轴位置，以及它们的刻度位置

import matplotlib.pyplot as plt
import numpy as np

new_ticks = np.linspace(-2,2,11)
print(new_ticks)

x = np.linspace(-3,3,100)
y1 = 2*x + 1
y2 = x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('xxxx')
plt.ylabel('yyyy')

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
#color指的是线的颜色，linewidth指的是线的粗细程度
#linestyle指的是线的类型
#第一个两个-指的就是虚线，第一个一个-指的就是实线

plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],
          ['level1','level2','level3','level4','level5'])

#gca代表获取当前坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#右边和上边的边框去掉

#把x轴的刻度设置为'bottom'，x轴刻度上的字都在x轴下部
#把y轴的刻度设置成'left'，y轴刻度上的字都在y轴左部
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')

#设置x,y轴位置，让x轴y轴位于0的位置
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
plt.show()

坐标轴设置

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

左边的视图里有四条边，称为视图的spine——脊柱。如何对spine操作得到右图的效果？
① 去除上面和右面的spine；
②再把左面的spine移至中间；
③ 再把下面的spine 向上移，使得两个0值重合

所有对spine的操作均在 gca() 方法中完成， gca——get current axes

x = np.linspace(-50, 51)
y = x**2

plt.plot(x, y)

获取当前坐标轴

plt.plot(x, y)
axes = plt.gca()

通过坐标轴 spines 确定 top bottom left right 四个轴

因为我们不需要上方和右方的spine 所以把颜色设置为空

plt.plot(x, y)
axes = plt.gca()
axes.spines['right'].set_color('none')
axes.spines['top'].set_color('none')
axes

plt.plot(x, y)
axes = plt.gca()
axes.spines['right'].set_color('none')
axes.spines['top'].set_color('none')

# 移动轴的方式有多种  data 传入的数据就是目标位置的值
# 第二种方式：通过 axes 属性移动 因为我们要移动的是垂直的轴 0.5的含义就是移动的距离是水平轴长度的百分比

# axes.spines['left'].set_position(('data', 0.0))
axes.spines['left'].set_position(('axes', 0.5))

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jD3msAVr-1648619788807)(output_13_0.png)]

再通过同样的方法把bottom 的轴 往上移动

plt.plot(x, y)
axes = plt.gca()
axes.spines['right'].set_color('none')
axes.spines['top'].set_color('none')
axes.spines['left'].set_position(('axes', 0.5))
axes.spines['bottom'].set_position(('data', 0.0))

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-G9w5YYAx-1648619788808)(output_15_0.png)]

设置轴的区间

plt.plot(x, y)

plt.ylim(-500, 3000)
plt.xlim(-60, 61)
plt.plot(x, y)

也可以动态设置

plt.ylim(y.min(), y.max())
plt.xlim(-60, x.max())
plt.plot(x, y)