轴刻度

默认情况下，Matplotlib 使用线性刻度在轴上显示数据。Matplotlib 还支持对数刻度以及其他不太常见的刻度。通常，这可以通过使用 set_xscale 或 set_yscale 方法直接完成。

import matplotlib.pyplot as plt
import numpy as np

import matplotlib.scale as mscale
from matplotlib.ticker import FixedLocator, NullFormatter

fig, axs = plt.subplot_mosaic([['linear', 'linear-log'],
                               ['log-linear', 'log-log']], layout='constrained')

x = np.arange(0, 3*np.pi, 0.1)
y = 2 * np.sin(x) + 3

ax = axs['linear']
ax.plot(x, y)
ax.set_xlabel('linear')
ax.set_ylabel('linear')

ax = axs['linear-log']
ax.plot(x, y)
ax.set_yscale('log')
ax.set_xlabel('linear')
ax.set_ylabel('log')

ax = axs['log-linear']
ax.plot(x, y)
ax.set_xscale('log')
ax.set_xlabel('log')
ax.set_ylabel('linear')

ax = axs['log-log']
ax.plot(x, y)
ax.set_xscale('log')
ax.set_yscale('log')
ax.set_xlabel('log')
ax.set_ylabel('log')

loglog 和 semilogx/y

对数轴使用非常频繁，因此有一组辅助函数可以执行相同的操作： semilogy, semilogx, 和 loglog.

fig, axs = plt.subplot_mosaic([['linear', 'linear-log'],
                               ['log-linear', 'log-log']], layout='constrained')

x = np.arange(0, 3*np.pi, 0.1)
y = 2 * np.sin(x) + 3

ax = axs['linear']
ax.plot(x, y)
ax.set_xlabel('linear')
ax.set_ylabel('linear')
ax.set_title('plot(x, y)')

ax = axs['linear-log']
ax.semilogy(x, y)
ax.set_xlabel('linear')
ax.set_ylabel('log')
ax.set_title('semilogy(x, y)')

ax = axs['log-linear']
ax.semilogx(x, y)
ax.set_xlabel('log')
ax.set_ylabel('linear')
ax.set_title('semilogx(x, y)')

ax = axs['log-log']
ax.loglog(x, y)
ax.set_xlabel('log')
ax.set_ylabel('log')
ax.set_title('loglog(x, y)')

其他内置刻度

还有其他可以使用的刻度。scale.get_scale_names 可以返回已注册刻度的列表

print(mscale.get_scale_names())

['asinh', 'function', 'functionlog', 'linear', 'log', 'logit', 'symlog']

fig, axs = plt.subplot_mosaic([['asinh', 'symlog'],
                               ['log', 'logit']], layout='constrained')

x = np.arange(0, 1000)

for name, ax in axs.items():
    if name in ['asinh', 'symlog']:
        yy = x - np.mean(x)
    elif name in ['logit']:
        yy = (x-np.min(x))
        yy = yy / np.max(np.abs(yy))
    else:
        yy = x

    ax.plot(yy, yy)
    ax.set_yscale(name)
    ax.set_title(name)

刻度的可选参数

某些默认刻度具有可选参数。这些参数记录在 scale 中各个刻度的 API 参考中。可以更改绘制对数的基数（例如，下面的 2），或 'symlog' 的线性阈值范围。

fig, axs = plt.subplot_mosaic([['log', 'symlog']], layout='constrained',
                              figsize=(6.4, 3))

for name, ax in axs.items():
    if name in ['log']:
        ax.plot(x, x)
        ax.set_yscale('log', base=2)
        ax.set_title('log base=2')
    else:
        ax.plot(x - np.mean(x), x - np.mean(x))
        ax.set_yscale('symlog', linthresh=100)
        ax.set_title('symlog linthresh=100')

任意函数刻度

用户可以定义一个完整的刻度类，并将其传递给 set_xscale 和 set_yscale（请参阅 自定义刻度）。一种快捷方式是使用“函数”刻度，并将 forward 和 inverse 函数作为额外的参数传递。以下操作对 y 轴执行 墨卡托变换。

# Function Mercator transform
def forward(a):
    a = np.deg2rad(a)
    return np.rad2deg(np.log(np.abs(np.tan(a) + 1.0 / np.cos(a))))


def inverse(a):
    a = np.deg2rad(a)
    return np.rad2deg(np.arctan(np.sinh(a)))


t = np.arange(0, 170.0, 0.1)
s = t / 2.

fig, ax = plt.subplots(layout='constrained')
ax.plot(t, s, '-', lw=2)

ax.set_yscale('function', functions=(forward, inverse))
ax.set_title('function: Mercator')
ax.grid(True)
ax.set_xlim([0, 180])
ax.yaxis.set_minor_formatter(NullFormatter())
ax.yaxis.set_major_locator(FixedLocator(np.arange(0, 90, 10)))

什么是“刻度”？

刻度是附加到轴的对象。类文档位于 scale。 set_xscale 和 set_yscale 在相应的轴对象上设置刻度。你可以使用 get_scale 确定轴上的刻度

fig, ax = plt.subplots(layout='constrained',
                              figsize=(3.2, 3))
ax.semilogy(x, x)

print(ax.xaxis.get_scale())
print(ax.yaxis.get_scale())

linear
log

设置刻度会执行三项操作。首先，它在轴上定义一个变换，该变换在数据值到轴上的位置之间进行映射。可以通过 get_transform 访问此变换。

print(ax.yaxis.get_transform())

LogTransform(base=10, nonpositive='clip')

轴上的变换是一个相对底层的概念，但它是 set_scale 所起的重要作用之一。

设置刻度还会设置适用于刻度的默认刻度定位器 (ticker) 和刻度格式化程序。具有“log”刻度的轴具有 LogLocator，用于选取十年的间隔的刻度，以及 LogFormatter，用于在十年上使用科学记数法。

print('X axis')
print(ax.xaxis.get_major_locator())
print(ax.xaxis.get_major_formatter())

print('Y axis')
print(ax.yaxis.get_major_locator())
print(ax.yaxis.get_major_formatter())

X axis
<matplotlib.ticker.AutoLocator object at 0x7e4c95c76270>
<matplotlib.ticker.ScalarFormatter object at 0x7e4c95c74f20>
Y axis
<matplotlib.ticker.LogLocator object at 0x7e4c938944d0>
<matplotlib.ticker.LogFormatterSciNotation object at 0x7e4c95b84200>