Matplotlib 图形中如何修改 x 轴和 y 轴刻度

Matplotlib 图形中如何修改 x 轴和 y 轴刻度

参考：Change the x or y ticks of a Matplotlib figure

Matplotlib 是 Python 中最流行的数据可视化库之一，它提供了丰富的功能来创建各种类型的图表和图形。在数据可视化过程中，调整坐标轴刻度是一项常见且重要的任务。本文将详细介绍如何在 Matplotlib 中修改 x 轴和 y 轴的刻度，包括刻度位置、标签、格式等方面的调整。我们将通过多个示例来展示不同的方法和技巧，帮助你更好地掌握这一重要技能。

1. 基本概念

在开始之前，让我们先了解一些基本概念：

• 刻度（Ticks）：指的是坐标轴上的标记点。
• 刻度位置（Tick Locations）：刻度在坐标轴上的具体位置。
• 刻度标签（Tick Labels）：与刻度对应的文本标签。
• 主刻度（Major Ticks）：主要的、较大的刻度。
• 次刻度（Minor Ticks）：次要的、较小的刻度。

2. 修改刻度位置

2.1 使用 set_xticks() 和 set_yticks() 方法

最直接的修改刻度位置的方法是使用 set_xticks() 和 set_yticks() 方法。这两个方法允许你指定刻度的精确位置。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y)
plt.title('How to change ticks in Matplotlib - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 设置 x 轴刻度位置
plt.xticks([0, 2, 4, 6, 8, 10])

# 设置 y 轴刻度位置
plt.yticks([-1, -0.5, 0, 0.5, 1])

plt.show()

Output:

在这个例子中，我们使用 plt.xticks() 和 plt.yticks() 方法分别设置了 x 轴和 y 轴的刻度位置。这些方法接受一个列表作为参数，列表中的每个值代表一个刻度的位置。

2.2 使用 MultipleLocator 设置等间距刻度

如果你想要设置等间距的刻度，可以使用 MultipleLocator 类。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator

x = np.linspace(0, 10, 100)
y = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Equal-spaced ticks with MultipleLocator - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 设置 x 轴主刻度间隔为 2
ax.xaxis.set_major_locator(MultipleLocator(2))

# 设置 y 轴主刻度间隔为 0.5
ax.yaxis.set_major_locator(MultipleLocator(0.5))

plt.show()

Output:

在这个例子中，我们使用 MultipleLocator 类来设置 x 轴和 y 轴的主刻度间隔。MultipleLocator(2) 表示每隔 2 个单位放置一个主刻度，MultipleLocator(0.5) 表示每隔 0.5 个单位放置一个主刻度。

3. 修改刻度标签

3.1 使用 set_xticklabels() 和 set_yticklabels() 方法

你可以使用 set_xticklabels() 和 set_yticklabels() 方法来自定义刻度标签。

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(5)
y = x ** 2

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y, 'ro-')
ax.set_title('Custom tick labels - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 设置 x 轴刻度标签
ax.set_xticks(x)
ax.set_xticklabels(['A', 'B', 'C', 'D', 'E'])

# 设置 y 轴刻度标签
ax.set_yticks([0, 4, 8, 12, 16])
ax.set_yticklabels(['Low', 'Medium', 'High', 'Very High', 'Extreme'])

plt.show()

Output:

在这个例子中，我们首先使用 set_xticks() 和 set_yticks() 设置刻度位置，然后使用 set_xticklabels() 和 set_yticklabels() 为这些刻度设置自定义的标签。

3.2 使用字典映射刻度标签

有时候，你可能想要根据刻度值动态生成标签。这种情况下，使用字典映射是一个好方法。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 5)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Tick labels with dictionary mapping - how2matplotlib.com')
ax.set_xlabel('X-axis (radians)')
ax.set_ylabel('Y-axis')

# 创建刻度标签映射字典
x_ticks_dict = {0: '0', np.pi/2: 'π/2', np.pi: 'π', 3*np.pi/2: '3π/2', 2*np.pi: '2π'}

ax.set_xticks(list(x_ticks_dict.keys()))
ax.set_xticklabels([x_ticks_dict[k] for k in ax.get_xticks()])

plt.show()

Output:

在这个例子中，我们创建了一个字典 x_ticks_dict，将特定的 x 值映射到我们想要显示的标签。然后我们使用这个字典来设置 x 轴的刻度和标签。

4. 格式化刻度标签

4.1 使用 FuncFormatter 自定义格式

FuncFormatter 允许你使用自定义函数来格式化刻度标签。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def currency_formatter(x, p):
    return f'${x:,.0f}'

x = np.linspace(0, 1000000, 6)
y = x ** 2

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Custom tick formatter - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 应用自定义格式化函数到 y 轴
ax.yaxis.set_major_formatter(FuncFormatter(currency_formatter))

plt.show()

Output:

在这个例子中，我们定义了一个 currency_formatter 函数，它将数值格式化为货币形式。然后我们使用 FuncFormatter 将这个函数应用到 y 轴的刻度标签上。

4.2 使用内置的格式化器

Matplotlib 提供了一些内置的格式化器，如 ScalarFormatter、PercentFormatter 等。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import PercentFormatter

x = np.linspace(0, 1, 11)
y = x ** 2

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Percent formatter - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 将 y 轴格式化为百分比
ax.yaxis.set_major_formatter(PercentFormatter(1.0))

plt.show()

Output:

在这个例子中，我们使用 PercentFormatter 将 y 轴的刻度标签格式化为百分比形式。PercentFormatter(1.0) 表示将值乘以 100 并添加百分号。

5. 调整刻度方向和长度

5.1 修改刻度方向

你可以使用 tick_params() 方法来修改刻度的方向。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Adjusting tick direction - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 将 x 轴刻度朝外，y 轴刻度朝内
ax.tick_params(axis='x', direction='out')
ax.tick_params(axis='y', direction='in')

plt.show()

Output:

在这个例子中，我们使用 tick_params() 方法将 x 轴的刻度设置为朝外，y 轴的刻度设置为朝内。

5.2 调整刻度长度

你也可以使用 tick_params() 方法来调整刻度的长度。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Adjusting tick length - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 调整主刻度和次刻度的长度
ax.tick_params(axis='both', which='major', length=10)
ax.tick_params(axis='both', which='minor', length=5)

# 显示次刻度
ax.minorticks_on()

plt.show()

Output:

在这个例子中，我们调整了主刻度和次刻度的长度，并使用 minorticks_on() 方法显示次刻度。

6. 旋转刻度标签

有时候，为了避免刻度标签重叠，你可能需要旋转刻度标签。

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(10)
y = np.random.rand(10)

fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(x, y)
ax.set_title('Rotating tick labels - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 设置 x 轴刻度标签
ax.set_xticks(x)
ax.set_xticklabels(['Label ' + str(i) for i in x], rotation=45, ha='right')

plt.tight_layout()
plt.show()

Output:

在这个例子中，我们将 x 轴的刻度标签旋转了 45 度，并使用 ha='right' 参数将标签右对齐。tight_layout() 函数用于自动调整子图参数，以给定的填充适应图形。

7. 隐藏刻度和刻度标签

有时候，你可能想要隐藏某些刻度或刻度标签。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Hiding ticks and tick labels - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 隐藏顶部和右侧的刻度
ax.tick_params(top=False, right=False)

# 隐藏 x 轴的刻度标签
ax.tick_params(axis='x', labelbottom=False)

plt.show()

Output:

在这个例子中，我们使用 tick_params() 方法隐藏了顶部和右侧的刻度，以及 x 轴的刻度标签。

8. 使用对数刻度

对于跨越多个数量级的数据，使用对数刻度可能更合适。

import matplotlib.pyplot as plt
import numpy as np

x = np.logspace(0, 5, 100)
y = x ** 2

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Logarithmic scale - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 设置 x 轴和 y 轴为对数刻度
ax.set_xscale('log')
ax.set_yscale('log')

plt.show()

Output:

在这个例子中，我们使用 set_xscale('log') 和 set_yscale('log') 将 x 轴和 y 轴设置为对数刻度。

9. 使用日期刻度

对于时间序列数据，你可能需要使用日期刻度。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY

# 创建示例数据
dates = pd.daterange(start='2023-01-01', end='2023-03-01', freq='D')
values = np.cumsum(np.random.randn(len(dates)))

fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values)
ax.set_title('Date ticks - how2matplotlib.com')
ax.set_xlabel('Date')
ax.set_ylabel('Value')

# 设置主刻度为每周一
ax.xaxis.set_major_locator(WeekdayLocator(byweekday=MONDAY))
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))

# 设置次刻度为每天
ax.xaxis.set_minor_locator(DayLocator())

# 旋转并右对齐x轴刻度标签
plt.setp(ax.xaxis.get_majorticklabels(), rotation=45, ha='right')

plt.tight_layout()
plt.show()

在这个例子中，我们使用 WeekdayLocator 将主刻度设置为每周一，使用 DayLocator 将次刻度设置为每天。我们还使用 DateFormatter 来格式化日期显示。

10. 使用科学记数法

对于非常大或非常小的数值，使用科学记数法可能更合适。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter, FormatStrFormatter

x = np.linspace(1e-7, 1e-6, 5)
y = x ** 2

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Scientific notation - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 使用科学记数法
ax.ticklabel_format(style='sci', axis='both', scilimits=(0,0))

# 自定义科学记数法格式
formatter = ScalarFormatter(useMathText=True)
formatter.set_scientific(True)
formatter.set_powerlimits((0,0))
ax.yaxis.set_major_formatter(formatter)

plt.show()

Output:

在这个例子中，我们使用 ticklabel_format() 方法将 x 轴和 y 轴的刻度标签设置为科学记数法。然后，我们使用 ScalarFormatter 来进一步自定义 y 轴的科学记数法格式。

11. 使用多重刻度

有时候，你可能需要在同一个轴上显示多个刻度。

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.axes_grid1 import host_subplot

# 创建数据
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建主坐标轴
host = host_subplot(111)
par = host.twinx()

# 绘制数据
p1, = host.plot(x, y1, label="sin(x)")
p2, = par.plot(x, y2, label="cos(x)")

# 设置标签
host.set_xlabel("X-axis")
host.set_ylabel("sin(x)")
par.set_ylabel("cos(x)")

# 设置标题
host.set_title("Multiple scales - how2matplotlib.com")

# 设置图例
host.legend(loc=2)

# 设置刻度颜色
host.axis["left"].label.set_color(p1.get_color())
par.axis["right"].label.set_color(p2.get_color())

plt.show()

Output:

在这个例子中，我们使用 host_subplot 和 twinx() 方法创建了具有两个 y 轴的图形。这允许我们在同一个图上显示具有不同范围的两组数据。

12. 自定义刻度线样式

你可以自定义刻度线的样式，包括颜色、宽度等。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y)
ax.set_title('Custom tick styles - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 自定义刻度线样式
ax.tick_params(axis='x', colors='red', width=2)
ax.tick_params(axis='y', colors='blue', width=2)

# 自定义刻度标签样式
for label in ax.get_xticklabels():
    label.set_fontweight('bold')
for label in ax.get_yticklabels():
    label.set_fontweight('bold')

plt.show()

Output:

在这个例子中，我们使用 tick_params() 方法自定义了刻度线的颜色和宽度，并通过遍历刻度标签来设置它们的字体粗细。

13. 使用极坐标系的刻度

对于极坐标图，刻度的设置方式略有不同。

import matplotlib.pyplot as plt
import numpy as np

r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r

fig, ax = plt.subplots(subplot_kw=dict(projection='polar'), figsize=(10, 10))
ax.plot(theta, r)
ax.set_title('Polar plot ticks - how2matplotlib.com')

# 设置角度刻度
ax.set_thetagrids(np.arange(0, 360, 45))

# 设置半径刻度
ax.set_rticks([0.5, 1, 1.5])

plt.show()

Output:

在这个例子中，我们创建了一个极坐标图，并使用 set_thetagrids() 和 set_rticks() 方法分别设置角度刻度和半径刻度。

14. 使用颜色条的刻度

对于包含颜色条的图形，你可能需要调整颜色条的刻度。

import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
data = np.random.rand(10, 10)

fig, ax = plt.subplots(figsize=(10, 8))
im = ax.imshow(data, cmap='viridis')
ax.set_title('Colorbar ticks - how2matplotlib.com')

# 添加颜色条
cbar = fig.colorbar(im)

# 设置颜色条刻度
cbar.set_ticks([0, 0.25, 0.5, 0.75, 1])
cbar.set_ticklabels(['Low', 'Medium-Low', 'Medium', 'Medium-High', 'High'])

plt.show()

Output:

在这个例子中，我们创建了一个热图，并添加了一个颜色条。然后，我们使用 set_ticks() 和 set_ticklabels() 方法自定义了颜色条的刻度和标签。

结论

修改 Matplotlib 图形中的 x 轴和 y 轴刻度是数据可视化过程中的一个重要步骤。通过调整刻度的位置、标签、格式等，你可以使图形更加清晰、易读，并更好地传达数据的信息。本文介绍了多种修改刻度的方法和技巧，包括基本的刻度位置和标签设置、格式化刻度标签、调整刻度方向和长度、旋转刻度标签、使用对数刻度和日期刻度等。

掌握这些技巧将使你能够创建更专业、更有效的数据可视化图表。记住，选择合适的刻度设置取决于你的数据类型和你想要强调的信息。通过实践和尝试不同的方法，你将能够为每个特定的数据集找到最佳的刻度设置。

最后，建议你在实际项目中多加练习，并探索 Matplotlib 的官方文档，以发现更多高级的刻度设置技巧。随着经验的积累，你将能够轻松地创建出既美观又信息丰富的数据可视化图表。