总结matplotlib绘图如何设置坐标轴刻度大小和刻度。
上代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
from pylab import *
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
xmajorLocator = MultipleLocator( 20 ) #将x主刻度标签设置为20的倍数
xmajorFormatter = FormatStrFormatter( '%1.1f' ) #设置x轴标签文本的格式
xminorLocator = MultipleLocator( 5 ) #将x轴次刻度标签设置为5的倍数
ymajorLocator = MultipleLocator( 0.5 ) #将y轴主刻度标签设置为0.5的倍数
ymajorFormatter = FormatStrFormatter( '%1.1f' ) #设置y轴标签文本的格式
yminorLocator = MultipleLocator( 0.1 ) #将此y轴次刻度标签设置为0.1的倍数
t = arange( 0.0 , 100.0 , 1 )
s = sin( 0.1 * pi * t) * exp( - t * 0.01 )
ax = subplot( 111 ) #注意:一般都在ax中设置,不再plot中设置
plot(t,s, '--b*' )
#设置主刻度标签的位置,标签文本的格式
ax.xaxis.set_major_locator(xmajorLocator)
ax.xaxis.set_major_formatter(xmajorFormatter)
ax.yaxis.set_major_locator(ymajorLocator)
ax.yaxis.set_major_formatter(ymajorFormatter)
#显示次刻度标签的位置,没有标签文本
ax.xaxis.set_minor_locator(xminorLocator)
ax.yaxis.set_minor_locator(yminorLocator)
ax.xaxis.grid( True , which = 'major' ) #x坐标轴的网格使用主刻度
ax.yaxis.grid( True , which = 'minor' ) #y坐标轴的网格使用次刻度
show()
|
绘图如下:
如果仔细看代码,可以得知,设置坐标轴刻度和文本主要使用了"MultipleLocator"、"FormatStrFormatter"方法。
这两个方法来自matplotlib安装库里面ticker.py文件;"MultipleLocator(Locator)"表示将刻度标签设置为Locator的倍数,"FormatStrFormatter"表示设置标签文本的格式,代码中"%1.1f"表示保留小数点后一位,浮点数显示。
相应的方法还有:
除了以上方法,还有另外一种方法,那就是使用xticks方法(yticks,x,y表示对应坐标轴),xticks用法可在python cmd下输入以下代码查看:
1
2
|
import matplotlib.pyplot as plt
help (plt.xticks)
|
代码如下:
1
2
3
4
5
6
7
8
9
10
11
|
import numpy as np
import matplotlib.pyplot as plt
fig,ax = plt.subplots()
x = [ 1 , 2 , 3 , 4 , 5 ]
y = [ 0 , 2 , 5 , 9 , 15 ]
#ax is the axes instance
group_labels = [ 'a' , 'b' , 'c' , 'd' , 'e' ]
plt.plot(x,y)
plt.xticks(x, group_labels, rotation = 0 )
plt.grid()
plt.show()
|
绘图如下:
上图中使用了"plt.xticks"方法设置x轴文本,标签文本使用group_labels中的内容,因此可以根据需要修改group_labels中的内容。
网上看到的另一种方法,代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
|
import matplotlib.pyplot as pl
import numpy as np
from matplotlib.ticker import MultipleLocator, FuncFormatter
x = np.arange( 0 , 4 * np.pi, 0.01 )
y = np.sin(x)
pl.figure(figsize = ( 10 , 6 ))
pl.plot(x, y,label = "$sin(x)$" )
ax = pl.gca()
def pi_formatter(x, pos):
"""
比较罗嗦地将数值转换为以pi/4为单位的刻度文本
"""
m = np. round (x / (np.pi / 4 ))
n = 4
if m % 2 = = 0 : m, n = m / 2 , n / 2
if m % 2 = = 0 : m, n = m / 2 , n / 2
if m = = 0 :
return "0"
if m = = 1 and n = = 1 :
return "$\pi$"
if n = = 1 :
return r "$%d \pi$" % m
if m = = 1 :
return r "$\frac{\pi}{%d}$" % n
return r "$\frac{%d \pi}{%d}$" % (m,n)
# 设置两个坐标轴的范围
pl.ylim( - 1.5 , 1.5 )
pl.xlim( 0 , np. max (x))
# 设置图的底边距
pl.subplots_adjust(bottom = 0.15 )
pl.grid() #开启网格
# 主刻度为pi/4
ax.xaxis.set_major_locator( MultipleLocator(np.pi / 4 ) )
# 主刻度文本用pi_formatter函数计算
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )
# 副刻度为pi/20
ax.xaxis.set_minor_locator( MultipleLocator(np.pi / 20 ) )
# 设置刻度文本的大小
for tick in ax.xaxis.get_major_ticks():
tick.label1.set_fontsize( 16 )
pl.legend()
pl.show()
|
绘图如下:
以上就是本次小编整理的全部内容,感谢你对服务器之家的支持。
原文链接:http://blog.csdn.net/Fortware/article/details/51934814