Matplotlib如何控制坐標軸刻度間距與標簽

這篇文章將為大家詳細講解有關Matplotlib如何控制坐標軸刻度間距與標簽，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

控制刻度間距

目前為止，我們讓Matplotlib自動處理刻度在坐標軸上的位置，但有時我們需要覆蓋默認的坐標軸刻度配置，以便更加快速估計圖形中點的坐標。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
x = np.linspace(-20, 20, 1024)
y = np.sinc(x)
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.MultipleLocator(5))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(1))
plt.plot(x, y, c = 'm')
plt.show()

以上代碼，強制水平刻度每隔5個單位步長呈現一次。此外，我們還添加了副刻度，副刻度的間隔為1個單位步長，步驟說明如下：

1. 首先實例化一個Axes對象——用于管理圖形中的坐標軸：ax=plot.Axes()。

2. 然后使用Locator實例設置x軸(ax.xaxis)或y軸(ax.yaxis)的主刻度和副刻度。

也為副刻度添加輔助網格：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
x = np.linspace(-20, 20, 1024)
y = np.sinc(x)
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.MultipleLocator(5))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(1))
plt.grid(True, which='both', ls='dashed')
plt.plot(x, y, c = 'm')
plt.show()

Tips：我們已經知道，可以使用plt.grid()添加輔助網格，但此函數還有一個可選參數which，它具有三個可選值："minor"、"major"和"both"，分別用于僅顯示副刻度、僅顯示主刻度、主副刻度同時顯示。

控制刻度標簽

是時候介紹刻度標簽的設置了，刻度標簽是圖形空間中的坐標，雖然數字刻度標簽對于大多說場景來說是足夠的，但是卻并不總是能夠滿足需求。例如，我們需要顯示100個公司的營收情況，這時候我們就需要橫坐標刻度標簽為公司名，而非數字；同樣對于時間序列，我們希望橫坐標刻度標簽為日期...?？紤]到此類需求，我們需要使用Matplotlib為此提供了的API控制刻度標簽。
可以按以下步驟為任何Matplotlib圖形設置刻度標簽：

import numpy as np
import matplotlib.ticker as ticker
import matplotlib.pyplot as plt
name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango')
value_list = np.random.randint(0, 99, size = len(name_list))
pos_list = np.arange(len(name_list))
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.FixedLocator((pos_list)))
ax.xaxis.set_major_formatter(ticker.FixedFormatter((name_list)))
plt.bar(pos_list, value_list, color = 'c', align = 'center')
plt.show()

Tips：我們首先使用ticker.Locator實例來生成刻度的位置，然后使用ticker.Formatter實例將為刻度生成標簽。FixedFormatter從字符串列表中獲取標簽，然后用Formatter實例設置坐標軸。同時，我們還使用了FixedLocator來確保每個標簽中心都正好與刻度中間對齊。

更簡單的設置方式

雖然使用上述方法可以控制刻度標簽，但可以看出此方法過于復雜，如果刻度標簽是固定的字符列表，那么可以用以下簡單的設置方法：

import numpy as np
import matplotlib.pyplot as plt
name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango')
value_list = np.random.randint(0, 99, size = len(name_list))
pos_list = np.arange(len(name_list))
plt.bar(pos_list, value_list, color = 'c', align = 'center')
plt.xticks(pos_list, name_list)
plt.show()

Tips：使用plt.xticks()函數為一組固定的刻度提供固定標簽，此函數接受位置列表和名稱列表作為參數值，可以看出，此方法比第一種方法實現起來更簡單。

高級刻度標簽控制

不僅可以使用固定標簽，使用ticker API可以使用函數生成的標簽：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
def make_label(value, pos):
    return '%0.1f%%' % (100. * value)
ax = plt.axes()
ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
x = np.linspace(0, 1, 256)
plt.plot(x, np.exp(-10 * x), c ='c')
plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--')
plt.show()

在此示例中，刻度標簽是由自定義函數make_label生成的。此函數以刻度的坐標作為輸入，并返回一個字符串作為坐標標簽，這比給出固定的字符串列表更靈活。為了使用自定義函數，需要使用FuncFormatter實例——一個以函數為參數的格式化實例。

這種將生成標簽的實際任務指派給其他函數的方法稱為委托(delegation)模式，這是一種漂亮的編程技術。比方說，我們要將每個刻度顯示為日期，這可以使用標準的Python時間和日期函數完成：

import numpy as np
import datetime
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
start_date = datetime.datetime(1998, 1, 1)
def make_label(value, pos):
    time = start_date + datetime.timedelta(days = 365 * value)
    return time.strftime('%b %y')
ax = plt.axes()
ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
x = np.linspace(0, 1, 256)
plt.plot(x, np.exp(-10 * x), c ='c')
plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--')
labels = ax.get_xticklabels()
plt.setp(labels, rotation = 30.)
plt.show()

Tips：可以利用ax.get_xticklabels()獲取刻度標簽實例，然后對標簽進行旋轉，以避免長標簽之間重疊，旋轉使用plt.setp()函數，其接受刻度標簽實例和旋轉角度作為參數值。

關于“Matplotlib如何控制坐標軸刻度間距與標簽”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。