欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Matplotlib自定義坐標(biāo)軸刻度的實(shí)現(xiàn)示例

 更新時(shí)間：2020年06月18日 11:26:00   作者：ywsydwsbn  
這篇文章主要介紹了Matplotlib自定義坐標(biāo)軸刻度的實(shí)現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

雖然 Matplotlib 默認(rèn)的坐標(biāo)軸定位器（locator）與格式生成器（formatter）可以滿足大部分需求，但是并非對(duì)每一幅圖都合適。此次我將通過一些示例演示如何將坐標(biāo)軸刻度調(diào)整為你需要的位置與格式。

在介紹示例之前，我們最好先對(duì) Matplotlib 圖形的對(duì)象層級(jí)有更深入的理解。Matplotlib 的目標(biāo)是用 Python 對(duì)象表現(xiàn)任意圖形元素。例如，想想前面介紹的 figure 對(duì)象，它其實(shí)就是一個(gè)盛放圖形元素的包圍盒（bounding box）?？梢詫⒚總€(gè) Matplotlib 對(duì)象都看成是子對(duì)象（sub-object）的容器，例如每個(gè) figure 都會(huì)包含一個(gè)或多個(gè) axes 對(duì)象，每個(gè) axes 對(duì)象又會(huì)包含其他表示圖形內(nèi)容的對(duì)象。

坐標(biāo)軸刻度線也不例外。每個(gè) axes 都有 xaxis 和 yaxis 屬性，每個(gè)屬性同樣包含構(gòu)成坐標(biāo)軸的線條、刻度和標(biāo)簽的全部屬性。

1　主要刻度與次要刻度

每一個(gè)坐標(biāo)軸都有主要刻度線與次要刻度線。顧名思義，主要刻度往往更大或更顯著，而次要刻度往往更小。雖然一般情況下 Matplotlib 不會(huì)使用次要刻度，但是你會(huì)在對(duì)數(shù)圖中看到它們

import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
ax = plt.axes(xscale='log', yscale='log')
plt.show()


我們發(fā)現(xiàn)每個(gè)主要刻度都顯示為一個(gè)較大的刻度線和標(biāo)簽，而次要刻度都顯示為一個(gè)較小的刻度線，且不顯示標(biāo)簽。
可以通過設(shè)置每個(gè)坐標(biāo)軸的 formatter 與 locator 對(duì)象，自定義這些刻度屬性（包括刻度線的位置和標(biāo)簽）。來檢查一下圖形 x 軸的屬性：

In[1]: 	print(ax.xaxis.get_major_locator())
		print(ax.xaxis.get_minor_locator())
<matplotlib.ticker.LogLocator object at 0x107530cc0>
<matplotlib.ticker.LogLocator object at 0x107530198>
In[2]: 	print(ax.xaxis.get_major_formatter())
		print(ax.xaxis.get_minor_formatter())
<matplotlib.ticker.LogFormatterMathtext object at 0x107512780>
<matplotlib.ticker.NullFormatter object at 0x10752dc18>

我們會(huì)發(fā)現(xiàn)，主要刻度標(biāo)簽和次要刻度標(biāo)簽的位置都是通過一個(gè) LogLocator 對(duì)象（在對(duì)數(shù)圖中可以看到）設(shè)置的。然而，次要刻度有一個(gè) NullFormatter 對(duì)象處理標(biāo)簽，這樣標(biāo)簽就不會(huì)在圖上顯示了。

下面來演示一些示例，看看不同圖形的定位器與格式生成器是如何設(shè)置的。

2　隱藏刻度與標(biāo)簽

隱藏圖形的 x 軸標(biāo)簽與 y 軸刻度

最常用的刻度 / 標(biāo)簽格式化操作可能就是隱藏刻度與標(biāo)簽了，可以通過 plt.NullLocator()與 plt.NullFormatter() 實(shí)現(xiàn)，如下所示

ax = plt.axes()
ax.plot(np.random.rand(50))
ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
ax = plt.axes()
ax.plot(np.random.rand(50))
ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())
plt.show()


需要注意的是，我們移除了 x 軸的標(biāo)簽（但是保留了刻度線 / 網(wǎng)格線），以及 y 軸的刻度（標(biāo)簽也一并被移除）。

隱藏人臉圖形的坐標(biāo)軸

在許多場(chǎng)景中都不需要刻度線，比如當(dāng)你想要顯示一組圖形時(shí)。舉個(gè)例子，不同人臉的照片，就是經(jīng)常用于研究有監(jiān)督機(jī)器學(xué)習(xí)問題的示例：

fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)
# 從scikit-learn獲取一些人臉照片數(shù)據(jù)
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images
for i in range(5):
	for j in range(5):
		ax[i, j].xaxis.set_major_locator(plt.NullLocator())
		ax[i, j].yaxis.set_major_locator(plt.NullLocator())
		ax[i, j].imshow(faces[10 * i + j], cmap="bone")
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)
# 從scikit-learn獲取一些人臉照片數(shù)據(jù)
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images
for i in range(5):
  for j in range(5):
    ax[i, j].xaxis.set_major_locator(plt.NullLocator())
    ax[i, j].yaxis.set_major_locator(plt.NullLocator())
    ax[i, j].imshow(faces[10 * i + j], cmap="bone")
plt.show()


需要注意的是，由于每幅人臉圖形默認(rèn)都有各自的坐標(biāo)軸，然而在這個(gè)特殊的可視化場(chǎng)景中，刻度值（本例中是像素值）的存在并不能傳達(dá)任何有用的信息，因此需要將定位器設(shè)置為空。

3　增減刻度數(shù)量

刻度擁擠的圖形

默認(rèn)刻度標(biāo)簽有一個(gè)問題，就是顯示較小圖形時(shí)，通常刻度顯得十分擁擠。我們可以在下圖的網(wǎng)格中看到類似的問題：

fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)

自定義刻度數(shù)量

尤其是 x 軸，數(shù)字幾乎都重疊在一起，辨識(shí)起來非常困難。我們可以用 plt.MaxNLocator()來解決這個(gè)問題，通過它可以設(shè)置最多需要顯示多少刻度。根據(jù)設(shè)置的最多刻度數(shù)量，Matplotlib 會(huì)自動(dòng)為刻度安排恰當(dāng)?shù)奈恢茫?/p> 

# 為每個(gè)坐標(biāo)軸設(shè)置主要刻度定位器
for axi in ax.flat:
axi.xaxis.set_major_locator(plt.MaxNLocator(3))
axi.yaxis.set_major_locator(plt.MaxNLocator(3))
fig
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)
# 為每個(gè)坐標(biāo)軸設(shè)置主要刻度定位器
for axi in ax.flat:
  axi.xaxis.set_major_locator(plt.MaxNLocator(3))
  axi.yaxis.set_major_locator(plt.MaxNLocator(3))
fig
plt.show()


這樣圖形就顯得更簡(jiǎn)潔了。如果你還想要獲得更多的配置功能，那么可以試試 plt.MultipleLocator ，我們將在接下來的內(nèi)容中介紹它。

4　花哨的刻度格式

默認(rèn)帶整數(shù)刻度的圖

Matplotlib 默認(rèn)的刻度格式可以滿足大部分的需求。雖然默認(rèn)配置已經(jīng)很不錯(cuò)了，但是有時(shí)候你可能需要更多的功能，例如下圖中的正弦曲線和余弦曲線：

# 畫正弦曲線和余弦曲線
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 設(shè)置網(wǎng)格、圖例和坐標(biāo)軸上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi);
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
# 畫正弦曲線和余弦曲線
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 設(shè)置網(wǎng)格、圖例和坐標(biāo)軸上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi);
plt.show()

在 π / 2 的倍數(shù)上顯示刻度

我們可能想稍稍改變一下這幅圖。首先，如果將刻度與網(wǎng)格線畫在 π 的倍數(shù)上，圖形會(huì)更加自然?？梢酝ㄟ^設(shè)置一個(gè) MultipleLocator 來實(shí)現(xiàn)，它可以將刻度放在你提供的數(shù)值的倍數(shù)上。為了更好地測(cè)量，在 π /4 的倍數(shù)上添加主要刻度和次要刻度

ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
fig
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
# 畫正弦曲線和余弦曲線
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 設(shè)置網(wǎng)格、圖例和坐標(biāo)軸上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
fig
plt.show()


然而，這些刻度標(biāo)簽看起來有點(diǎn)奇怪：雖然我們知道它們是 π 的倍數(shù)，但是用小數(shù)表示圓周率不太直觀。因此，我們可以用刻度格式生成器來修改。

自定義刻度標(biāo)簽

由于沒有內(nèi)置的格式生成器可以直接解決問題，因此需要用plt.FuncFormatter 來實(shí)現(xiàn)，用一個(gè)自定義的函數(shù)設(shè)置不同刻度標(biāo)簽的顯示

def format_func(value, tick_number):
  # 找到 π /2的倍數(shù)刻度
  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"${0}\pi/2$".format(N)
  else:
    return r"${0}\pi$".format(N // 2)
ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))
fig
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
import numpy as np
# 畫正弦曲線和余弦曲線
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 設(shè)置網(wǎng)格、圖例和坐標(biāo)軸上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
def format_func(value, tick_number):
  # 找到 π /2的倍數(shù)刻度
  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"${0}\pi/2$".format(N)
  else:
    return r"${0}\pi$".format(N // 2)
ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))
fig
plt.show()


這樣就好看多啦！其實(shí)我們已經(jīng)用了 Matplotlib 支持 LaTeX 的功能，在數(shù)學(xué)表達(dá)式兩側(cè)加上美元符號(hào)（ $ ），這樣可以非常方便地顯示數(shù)學(xué)符號(hào)和數(shù)學(xué)公式。在這個(gè)示例中， " $ \pi $"就表示圓周率符合 π 。
當(dāng)你準(zhǔn)備展示或打印圖形時(shí)， plt.FuncFormatter() 不僅可以為自定義圖形刻度提供十分靈活的功能，而且用法非常簡(jiǎn)單。

5　格式生成器與定位器小結(jié)

前面已經(jīng)介紹了一些格式生成器與定位器，下面用表格簡(jiǎn)單地總結(jié)一下內(nèi)置的格式生成器與定位器選項(xiàng)。關(guān)于兩者更詳細(xì)的信息，請(qǐng)參考各自的程序文檔或者 Matplotlib 的在線文檔。以下的所有類都在 plt 命名空間內(nèi)。

定位器類 描述
NullLocator 無刻度
FixedLocator 刻度位置固定
IndexLocator 用索引作為定位器（如 x = range(len(y))）
LinearLocator 從 min 到 max 均勻分布刻度
LogLocator 從 min 到 max 按對(duì)數(shù)分布刻度
MultipleLocator 刻度和范圍都是基數(shù)（base）的倍數(shù)
MaxNLocator 為最大刻度找到最優(yōu)位置
AutoLocator （默認(rèn)）以 MaxNLocator 進(jìn)行簡(jiǎn)單配置
AutoMinorLocator 次要刻度的定位器

格式生成器類 描述
NullFormatter 刻度上無標(biāo)簽
IndexFormatter 將一組標(biāo)簽設(shè)置為字符串
FixedFormatter 手動(dòng)為刻度設(shè)置標(biāo)簽
FuncFormatter 用自定義函數(shù)設(shè)置標(biāo)簽
FormatStrFormatter 為每個(gè)刻度值設(shè)置字符串格式
ScalarFormatter （默認(rèn)）為標(biāo)量值設(shè)置標(biāo)簽
LogFormatter 對(duì)數(shù)坐標(biāo)軸的默認(rèn)格式生成器

到此這篇關(guān)于Matplotlib自定義坐標(biāo)軸刻度的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)Matplotlib自定義坐標(biāo)軸刻度內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評(píng)論