1.刻度定位器与格式(Tick Locator)
Tick locating 与 Tick formatting 可参考官方文档：http://matplotlib.org/api/ticker_api.html
2.获取坐标轴刻度对象

Matplotlib 中的 ticker 模块用于支持坐标轴刻度的修改，调用下列命令可以初步查看主副坐标轴刻度的数值定位方式（locator）与具体格式（formatter）等。
详细命令参考:http://matplotlib.org/api/axis_api.html

ax.xaxis.get_major_ticks()
ax.xaxis.get_minor_ticks()
ax.xaxis.get_major_locator()
ax.xaxis.get_minor_locator()
ax.xaxis.get_major_formatter()
ax.xaxis.get_minor_formatter()

3.设置主副刻度对象属性

(1)设置主副刻度格式

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

t = np.arange(0.0, 100.0, 1)
s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)
ax = plt.subplot(111) #注意:一般都在ax中设置,不再plot中设置
plt.plot(t,s,'--r*')

#修改主刻度
xmajorLocator = MultipleLocator(20) #将x主刻度标签设置为20的倍数
xmajorFormatter = FormatStrFormatter('%5.1f') #设置x轴标签文本的格式
ymajorLocator = MultipleLocator(0.5) #将y轴主刻度标签设置为0.5的倍数
ymajorFormatter = FormatStrFormatter('%1.1f') #设置y轴标签文本的格式
#设置主刻度标签的位置,标签文本的格式
ax.xaxis.set_major_locator(xmajorLocator)
ax.xaxis.set_major_formatter(xmajorFormatter)
ax.yaxis.set_major_locator(ymajorLocator)
ax.yaxis.set_major_formatter(ymajorFormatter)

#修改次刻度
xminorLocator = MultipleLocator(5) #将x轴次刻度标签设置为5的倍数
yminorLocator = MultipleLocator(0.1) #将此y轴次刻度标签设置为0.1的倍数
#设置次刻度标签的位置,没有标签文本格式
ax.xaxis.set_minor_locator(xminorLocator)
ax.yaxis.set_minor_locator(yminorLocator)

#打开网格
ax.xaxis.grid(True, which='major') #x坐标轴的网格使用主刻度
ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度
plt.show()



(2)删除坐标轴的刻度显示

ax.yaxis.set_major_locator(plt.NullLocator()) 
ax.xaxis.set_major_formatter(plt.NullFormatter()) 


作者：开码牛

来源：CSDN

原文：https://blog.csdn.net/helunqu2017/article/details/78736661

版权声明：本文为博主原创文章，转载请附上博文链接！

在matplotlib中，刻度线叫tick，刻度值叫tick_label



注意这幅图片中就包含了关于刻度线的一些信息。比方，不仅有主刻度线(Major tick)，还有次刻度线(Minor tick)。并且我们看到刻度线都是朝着图的外侧。图中，上边的和右边的坐标轴(Spine)并没有刻度线。
是否显示次刻度线
在pylab中内置了两个函数minorticks_on()和minorticks_off()用来确定是否显示次刻度线。

如下代码实现在左侧图中显示次刻度线，在右侧不显示次刻度线。在默认的情况下，不显示次刻度线。
plt.subplot(121)
plt.minorticks_on()
plt.subplot(122)
plt.minorticks_off()
plt.show()


刻度线的朝向
一般而言，我们希望刻度线朝外分布，这样避免影响图中的曲线和说明。但是有时候刻度线朝内分布，可以让图之间更加紧凑。在pylab中，利用tick_params控制刻度线的朝向，是朝图里，图外，还是都有。下面代码产生的图从左往右，分别显示朝里，朝外，两边都有的情况。
plt.subplot(131)
plt.tick_params(direction='in')

plt.subplot(132)
plt.tick_params(direction="out")

plt.subplot(133)
plt.tick_params(direction='inout')

plt.show()


选择修改主刻度线还是次刻度线
通过上面的例子可以看出，修改刻度线的主要函数就是tick_params。那么每次调用这个函数，是修改主刻度线、次刻度线，还是都改呢？这个由参数which控制。比方下面这段代码，分别让主刻度线朝里、次刻度线朝里、主次均朝里。最后一个图说明默认情况下，主次刻度线均朝外。
plt.subplot(141)
plt.minorticks_on()
plt.tick_params(which='magor',direction='in')

plt.subplot(142)
plt.minorticks_on()
plt.tick_params(which='minor',direction='in')

plt.subplot(143)
plt.minorticks_on()
plt.tick_params(which='both',direction='in')

plt.subplot(144)
plt.minorticks_on()
plt.text(0.5,0.5,'default')

plt.show()


修改刻度线的长度和宽度
如上图，如果觉得刻度线太短，太细，不太显眼，我们可以修改其长短、粗细。依然使用函数tick_params，通过参数width和length控制。下面代码让左图的主刻度线粗一些，右图的次刻度线长一些。
plt.subplot(121)
plt.minorticks_on()
plt.tick_params(which='major',width=4)

plt.subplot(122)
plt.minorticks_on()
plt.tick_params(which='minor',length=10)

plt.show()


在哪些轴上显示刻度线
我们来看怎么控制刻度线出现在哪些轴上。这里用参数left，right,bottom,top`来控制，下面代码画出的图片，依次显示上下左右轴上的刻度线。(自己实验的，默认左边和下边是开启的 )
plt.subplot(1,4,1)
plt.tick_params(top=True,bottom=False,left=False,right=False)

plt.subplot(1,4,2)
plt.tick_params(top=False,bottom=True,left=False,right=False)

plt.subplot(1,4,3)
plt.tick_params(top=False,bottom=False,left=True,right=False)

plt.subplot(1,4,4)
plt.tick_params(top=False,bottom=False,left=False,right=True)

plt.show()


在哪些轴上显示刻度值
注意上面的图，刻度线分别出现在我们控制的坐标轴上，但是刻度值在默认情况下还是出现在左下两个轴上。这里仅说明如何让刻度值出现在相应刻度线的位置。比方，我们仅让上面的轴显示刻度线，也仅在该轴上显示刻度值，利用labelbottom, labeltop, labelleft, labelright四个参数控制，代码和图如下所示。
plt.tick_params(top=True,bottom=False,left=False,right=False)
plt.tick_params(labeltop=True,labelleft=False,labelright=False,labelbottom=False)

ticklabels之间的间距仅由轴上的刻度之间的间距决定。因此，获得给定标签之间更多空间的唯一方法是使轴变大。
为了确定标签不重叠所需的空间，可以找出最大的标签并将其长度乘以标签的数量。然后可以调整轴周围的边距，并将计算出的尺寸设置为新的图形尺寸。import numpy as np
import matplotlib.pyplot as plt
N = 150
data = np.linspace(0, N, N)
plt.plot(data)
plt.xticks(range(N)) # add loads of ticks
plt.grid()
plt.gca().margins(x=0)
plt.gcf().canvas.draw()
tl = plt.gca().get_xticklabels()
maxsize = max([t.get_window_extent().width for t in tl])
m = 0.2 # inch margin
s = maxsize/plt.gcf().dpi*N+2*m
margin = m/plt.gcf().get_size_inches()[0]
plt.gcf().subplots_adjust(left=margin, right=1.-margin)
plt.gcf().set_size_inches(s, plt.gcf().get_size_inches()[1])
plt.savefig(__file__+".png")
plt.show()
请注意，如果绘图窗口中显示的图形大于屏幕，则它将再次缩小，因此调整大小的图形仅在保存时以其新大小显示。或者，您可以选择将其合并到一些带有滚动条的窗口中，如以下问题所示：Scrollbar on Matplotlib showing page

我试着在网格化的图中绘制计数，但是我不知道该怎么做。我想：以5的间隔使用点网格
每20个刻度盘上只能有一个主要刻度盘标签
我想让滴答声超出情节范围。
在这些网格中有“计数”
我已经检查过潜在的重复项，比如here和here，但是我还没有弄清楚。
这是我的密码。import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
for key, value in sorted(data.items()):
x = value[0][2]
y = value[0][3]
count = value[0][4]
fig = plt.figure()
ax = fig.add_subplot(111)
ax.annotate(count, xy = (x, y), size = 5)
# Overwrites and I only get the last data point
plt.close()
# Without this, I get "fail to allocate bitmap" error
plt.suptitle('Number of counts', fontsize = 12)
ax.set_xlabel('x')
ax.set_ylabel('y')
plt.axes().set_aspect('equal')
plt.axis([0, 1000, 0, 1000])
# This gives an interval of 200
majorLocator   = MultipleLocator(20)
majorFormatter = FormatStrFormatter('%d')
minorLocator   = MultipleLocator(5)
# I want minor grid to be 5 and major grid to be 20
plt.grid()
filename = 'C:\Users\Owl\Desktop\Plot.png'
plt.savefig(filename, dpi = 150)
plt.close()
这就是我得到的。
我也有一个覆盖数据点的问题，我也有麻烦。。。有人能帮我解决这个问题吗？