Matplotlib绘图基础之刻度详解
更新时间：2023年07月31日 17:05:28 作者：databook
Matplotlib中刻度是用于在绘图中表示数据大小的工具，通常以整数或小数表示，具体取决于坐标轴的类型和限制，下面就为大家介绍一下Matplotlib中刻度是具体设置与使用吧
Matplotlib中刻度是用于在绘图中表示数据大小的工具。
刻度是坐标轴上的数字或标签，用于指示数据的大小或值，
通常以整数或小数表示，具体取决于坐标轴的类型和限制。
1. 主次刻度
默认的绘制时，坐标轴只有默认的主要刻度，如下所示：
from matplotlib.ticker import MultipleLocator x = np.array(range(0, 100)) y = np.random.randint(100, 200, 100) fig = plt.figure() ax = fig.add_axes([0.1, 0.1, 0.8, 0.8]) #X轴的主要和次要刻度 ax.xaxis.set_major_locator(MultipleLocator(20)) ax.xaxis.set_minor_locator(MultipleLocator(2)) #Y轴的主要和次要刻度 ax.yaxis.set_major_locator(MultipleLocator(50)) ax.yaxis.set_minor_locator(MultipleLocator(10)) ax.plot(x, y)
上面的示例中，
设置了X轴的主要刻度间隔20，次要刻度间隔2，也就是每2个主要刻度之间有10个次要刻度。
设置了Y轴的主要刻度间隔50，次要刻度间隔10，也就是每2个主要刻度之间有5个次要刻度。
次要刻度就是上面图中主要刻度之间稍短点的线。
2. 刻度样式
刻度的样式非常灵活，常见的有以下几种设置。
2.1. 隐藏刻度
隐藏刻度，只保留图形，这在做某些示意图的时候可能会用到。
x = np.array(range(0, 100)) y = np.random.randint(100, 200, 100) fig = plt.figure() ax = fig.add_axes([0.1, 0.1, 0.8, 0.8]) #隐藏刻度 ax.xaxis.set_major_locator(plt.NullLocator()) ax.yaxis.set_major_locator(plt.NullLocator()) ax.plot(x, y, color='g')
2.2. 密度
密度是指刻度的间隔，如果图比较小，可以设置间隔大一些，反之则设置小一些。
from matplotlib.ticker import MultipleLocator x = np.array(range(0, 100)) y = np.random.randint(100, 200, 100) rows, cols = 2, 2 grid = plt.GridSpec(rows, cols) ax = plt.subplot(grid[0, 0]) ax.plot(x, y) ax.xaxis.set_major_locator(MultipleLocator(20)) ax.yaxis.set_major_locator(MultipleLocator(50)) ax = plt.subplot(grid[1, :]) ax.plot(x, y) ax.xaxis.set_major_locator(MultipleLocator(10)) ax.yaxis.set_major_locator(MultipleLocator(20))
上例中，根据图形的大小，我们设置了刻度的不同密度。
2.3. 颜色，大小，旋转
为了突出某些刻度值，有时候会需要修改那些刻度值的颜色和大小。
x = np.array(range(0, 100))
y = np.random.randint(100, 200, 100)
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.xaxis.set_major_locator(MultipleLocator(10))
obj = ax.get_xticklabels()[2]
obj.set_size(20)
obj.set_color("red")
ax.plot(x, y, color='g')
上面示例中，X轴刻度10被放大并且改成了红色。
刻度的旋转一般用在刻度内容比较长的情况，比如下面的示例：
x = np.array(
[
"2022-01-01",
"2022-02-01",
"2022-03-01",
"2022-04-01",
"2022-05-01",
"2022-06-01",
"2022-07-01",
"2022-08-01",
"2022-09-01",
"2022-10-01",
]
)
y = np.random.randint(100, 200, 10)
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y, color="g")
由于X轴的刻度是日期，因为太长，所以会挤在一起，显示不清。
这时可以调整X轴刻度的角度，避免重合在一起。
x = np.array(
[
"2022-01-01",
"2022-02-01",
"2022-03-01",
"2022-04-01",
"2022-05-01",
"2022-06-01",
"2022-07-01",
"2022-08-01",
"2022-09-01",
"2022-10-01",
]
)
y = np.random.randint(100, 200, 10)
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
plt.xticks(rotation=45) # 旋转45度
ax.plot(x, y, color="g")
2.4. latex格式
Matplotlib的刻度还支持latex格式，可以显示一些特殊的字符，比如圆周率π。
直接显示时：
x = np.array([0, np.pi / 6, np.pi / 4, np.pi/3, np.pi / 2]) x = np.round(x, 2) y = np.sin(x) fig = plt.figure() ax = fig.add_axes([0.1, 0.1, 0.8, 0.8]) plt.xticks(labels=x, ticks=x) ax.plot(x, y)
X轴的刻度显示实际的值。
调整为 latex 格式来显示：（调整 plt.xticks() 这个函数）
plt.xticks(labels=[
"0", "$\pi/6$", "$\pi/4$", "$\pi/3$", "$\pi/2$"
], ticks=x)
X轴的刻度中显示圆周率π，更易于阅读和理解。
3. 总结回顾
与之前介绍的画布，子图和坐标轴相比，刻度是设置最多也是最复杂的一个容器。
刻度的主要作用是帮助数据可视化更加清晰和易于理解，基于此，本篇主要介绍了：
- 主次刻度
- 刻度样式，包括是否显示刻度，刻度的密度，颜色，大小，角度以及
latex公式的支持。
到此这篇关于Matplotlib绘图基础之刻度详解的文章就介绍到这了,更多相关Matplotlib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！
相关文章
这篇文章主要介绍了python友情链接检查方法,涉及Python读取txt文件进行友链查询的相关技巧,非常简单实用,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了Python创建空列表的字典2种方法详解,需要的朋友可以参考下2020-02-02
这篇文章主要介绍了Python中的CURL PycURL使用例子,需要的朋友可以参考下2014-06-06
这篇文章主要介绍了解决Python spyder显示不全df列和行的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要为大家详细介绍了python实现狄克斯特拉算法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-01-01
这篇文章主要介绍了Python的字符串操作简单实例,字符串有许多种操作方式,本文带来几个操作实例,快来一起看看吧2023-04-04
这篇文章主要介绍了举例详解Python中threading模块的几个常用方法,threading模块用来创建和操作线程,是Python学习当中的重要知识,需要的朋友可以参考下2015-06-06
这篇文章主要介绍了Python3 json模块之编码解码方法讲解,需要的朋友可以参考下2021-04-04
最近在做一个项目，这个项目需要使用网络爬虫从特定网站上爬取数据，于是乎，我打算写一个爬虫系列的文章，与大家分享如何编写一个爬虫。下面这篇文章给大家介绍了python爬虫基本知识，感兴趣的朋友一起看看吧2018-03-03
这篇文章主要介绍了Python数字图像处理基础直方图详解，本文对Python直方图的定义、性质、应用以及Python直方图的计算作了详细的讲解，有需要朋友可以借鉴参考下2021-09-09
最新评论