Matplotlib自定義坐標(biāo)軸刻度的實現(xiàn)示例

更新時間：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)軸刻度的實現(xiàn)示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，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 Matplotlib 圖形的對象層級有更深入的理解。Matplotlib 的目標(biāo)是用 Python 對象表現(xiàn)任意圖形元素。例如，想想前面介紹的 figure 對象，它其實就是一個盛放圖形元素的包圍盒（bounding box）。可以將每個 Matplotlib 對象都看成是子對象（sub-object）的容器，例如每個 figure 都會包含一個或多個 axes 對象，每個 axes 對象又會包含其他表示圖形內(nèi)容的對象。

坐標(biāo)軸刻度線也不例外。每個 axes 都有 xaxis 和 yaxis 屬性，每個屬性同樣包含構(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 不會使用次要刻度，但是你會在對數(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)每個主要刻度都顯示為一個較大的刻度線和標(biāo)簽，而次要刻度都顯示為一個較小的刻度線，且不顯示標(biāo)簽。
可以通過設(shè)置每個坐標(biāo)軸的 formatter 與 locator 對象，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 LogLocator 對象（在對數(shù)圖中可以看到）設(shè)置的。然而，次要刻度有一個 NullFormatter 對象處理標(biāo)簽，這樣標(biāo)簽就不會在圖上顯示了。

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

在許多場景中都不需要刻度線，比如當(dāng)你想要顯示一組圖形時。舉個例子，不同人臉的照片，就是經(jīng)常用于研究有監(jiān)督機器學(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，然而在這個特殊的可視化場景中，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)簽有一個問題，就是顯示較小圖形時，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，辨識起來非常困難。我們可以用 plt.MaxNLocator()來解決這個問題，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 會自動為刻度安排恰當(dāng)?shù)奈恢茫?/p>

# 為每個坐標(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)很不錯了，但是有時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，圖形會更加自然。可以通過設(shè)置一個 MultipleLocator 來實現(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 來實現(xiàn)，用一個自定義的函數(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（ $ ），這樣可以非常方便地顯示數(shù)學(xué)符號和數(shù)學(xué)公式。在這個示例中， " $ \pi $ "就表示圓周率符合 π 。
當(dāng)你準(zhǔn)備展示或打印圖形時， 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，下面用表格簡單地總結(jié)一下內(nèi)置的格式生成器與定位器選項。關(guān)于兩者更詳細(xì)的信息，請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	對數(shù)坐標(biāo)軸的默認(rèn)格式生成器