在excel画图中经常会使用到两个数据放在一个图上，共用x轴两个y轴分别位于两侧。

matplotlib画图针对这种场景需解决方如下：


import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x=np.arange(0.1,10,0.01)
data1=np.exp(x)
data2=np.log(x)
fig,ax1=plt.subplots() #subplots一定要带s
ax1.plot(x,data1,c='r')
ax1.set_ylabel('EXP')
ax2=ax1.twinx() #twinx将ax1的X轴共用与ax2，这步很重要
ax2.plot(x,data2,c='g')
ax2.set_ylabel('Log')
plt.show()

设置最小的刻度，比如刻度为3，而不去设置坐标轴的范围，也是有时候的一些需求。

 


fig, ax = plt.subplots(1, 1)
ax.plot(range(12), range(12))
ax.xaxis.set_major_locator(plt.MultipleLocator(3)) # #把x轴的主刻度设置为3的倍数
ax.yaxis.set_major_locator(plt.MultipleLocator(4)) # #把y轴的主刻度设置为4的倍数

 下面的按需取用，

 

ax.xaxis.set_major_formatter(plt.FormatStrFormatter('%5.2f')) # 设置 刻度标签 显示格式 不是坐标轴标签
plt.xlim(-0.5,11) #把x轴的刻度范围设置为-0.5到11，因为0.5不满一个刻度间隔，所以数字不会显示出来，但是能看到一点空白
plt.ylim(-5,110)  #把y轴的刻度范围设置为-5到110，同理，-5不会标出来，但是能看到一点空白
ax.set_xscale('linear')  # log # 设置坐标轴 为线性还是 对数等。

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()) 

1.解决的问题

日期时间做X轴，设定主副刻度
当X轴为日期时间时，annotate标注功能X轴坐标获取问题，即将x轴所在点的日期时间通过mdates.date2num()转为数字即可。关键代码如下：

ax1.annotate("annotate msg ", xy=(mdates.date2num(x[1]), sales[1]), xycoords='data', color='red')

2.演示代码

主体代码来源：https://blog.csdn.net/helunqu2017/article/details/78736686，略改

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from datetime import datetime
import matplotlib as mpl
import matplotlib.dates as mdates
# 销售数据
dates = [20171101, 20171102, 20171103, 20171104]
sales = [102.1, 100.6, 849, 682]
# 将dates改成日期格式
x = [datetime.strptime(str(d), '%Y%m%d').date() for d in dates]
# figure布局
fig = plt.figure(figsize=(8, 4))
ax1 = fig.add_subplot(1, 1, 1)
# 绘图
ax1.plot(x, sales, ls='--', lw=3, color='b', marker='o', ms=6, mec='r', mew=2, mfc='w', label='业绩趋势走向')

# 标注
ax1.annotate("annotate msg ", xy=(mdates.date2num(x[1]), sales[1]), xycoords='data', color='red')

plt.gcf().autofmt_xdate()  # 自动旋转日期标记

# 设置x轴主刻度格式
alldays = mdates.DayLocator()  # 主刻度为每天
ax1.xaxis.set_major_locator(alldays)  # 设置主刻度
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%Y%m%d'))
# 设置副刻度格式
hoursLoc = mpl.dates.HourLocator(interval=6)  # 为6小时为1副刻度
ax1.xaxis.set_minor_locator(hoursLoc)
ax1.xaxis.set_minor_formatter(mdates.DateFormatter('%H'))
# 参数pad用于设置刻度线与标签间的距离
ax1.tick_params(pad=10)

# 显示图像
plt.show()