当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

参考：Matplotlib.axis.Axis.limit_range_for_scale() function in Python

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能和自定义选项。在Matplotlib中，axis.Axis.limit_range_for_scale()函数是一个重要的方法，用于根据当前的坐标轴比例调整数据范围。本文将深入探讨这个函数的用法、参数和应用场景，并提供多个示例代码来帮助读者更好地理解和使用这个功能。

1. limit_range_for_scale()函数简介

limit_range_for_scale()函数是Matplotlib库中axis.Axis类的一个方法。它的主要作用是根据当前坐标轴的比例（scale）来调整给定的数据范围。这个函数在处理对数刻度、对称对数刻度等非线性刻度时特别有用，因为它可以确保数据范围在当前比例下是有效的。

函数签名如下：

Axis.limit_range_for_scale(vmin, vmax)

其中，vmin和vmax分别表示要调整的数据范围的最小值和最大值。

2. 函数参数详解

  • vmin（float）：要调整的数据范围的最小值。
  • vmax（float）：要调整的数据范围的最大值。

函数返回一个元组(min, max)，表示调整后的数据范围。

3. 使用场景

limit_range_for_scale()函数在以下场景中特别有用：

  1. 对数刻度（Logarithmic scale）
  2. 对称对数刻度（Symlog scale）
  3. 自定义非线性刻度
  4. 数据范围包含零或负值时的刻度调整

接下来，我们将通过具体的示例来展示这个函数的应用。

4. 在对数刻度中的应用

对数刻度常用于表示跨越多个数量级的数据。在使用对数刻度时，limit_range_for_scale()函数可以帮助我们调整数据范围，确保它们在对数刻度下是有效的。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0.1, 100, 100)
y = np.exp(x)

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# 设置y轴为对数刻度
ax.set_yscale('log')

# 绘制数据
ax.plot(x, y, label='Exponential Growth')

# 获取当前的y轴范围
ymin, ymax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(ymin, ymax)

# 设置调整后的范围
ax.set_ylim(adjusted_ymin, adjusted_ymax)

# 添加标签和标题
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (log scale)')
ax.set_title('Exponential Growth with Adjusted Log Scale - how2matplotlib.com')
ax.legend()

plt.show()

Output:

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

在这个示例中，我们首先创建了一个指数增长的数据集。然后，我们将y轴设置为对数刻度，并使用limit_range_for_scale()函数来调整y轴的范围。这确保了在对数刻度下，所有的数据点都能被正确显示。

5. 在对称对数刻度中的应用

对称对数刻度（Symlog scale）是一种特殊的刻度，它在零附近使用线性刻度，而在远离零的地方使用对数刻度。这种刻度对于同时包含正值和负值的数据特别有用。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(-100, 100, 1000)
y = x**3 - x

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# 设置y轴为对称对数刻度
ax.set_yscale('symlog', linthresh=10)

# 绘制数据
ax.plot(x, y, label='Cubic Function')

# 获取当前的y轴范围
ymin, ymax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(ymin, ymax)

# 设置调整后的范围
ax.set_ylim(adjusted_ymin, adjusted_ymax)

# 添加标签和标题
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (symlog scale)')
ax.set_title('Cubic Function with Adjusted Symlog Scale - how2matplotlib.com')
ax.legend()

plt.show()

Output:

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

在这个例子中，我们绘制了一个立方函数，它包含正值和负值。我们使用对称对数刻度来显示y轴，并使用limit_range_for_scale()函数来调整y轴的范围。这确保了在对称对数刻度下，所有的数据点都能被正确显示，包括零附近的线性部分和远离零的对数部分。

6. 在自定义非线性刻度中的应用

Matplotlib允许用户创建自定义的非线性刻度。在这种情况下，limit_range_for_scale()函数可以帮助确保数据范围在自定义刻度下是有效的。

示例代码：

import matplotlib.pyplot as plt
import matplotlib.scale as mscale
import matplotlib.transforms as mtransforms
import numpy as np

class SquareRootScale(mscale.ScaleBase):
    name = 'squareroot'

    def __init__(self, axis, **kwargs):
        mscale.ScaleBase.__init__(self)

    def get_transform(self):
        return self.SquareRootTransform()

    def set_default_locators_and_formatters(self, axis):
        axis.set_major_locator(plt.AutoLocator())
        axis.set_major_formatter(plt.ScalarFormatter())

    class SquareRootTransform(mtransforms.Transform):
        input_dims = 1
        output_dims = 1
        is_separable = True

        def transform_non_affine(self, a):
            return np.sqrt(a)

        def inverted(self):
            return SquareRootScale.InvertedSquareRootTransform()

    class InvertedSquareRootTransform(mtransforms.Transform):
        input_dims = 1
        output_dims = 1
        is_separable = True

        def transform_non_affine(self, a):
            return a ** 2

        def inverted(self):
            return SquareRootScale.SquareRootTransform()

# 注册自定义刻度
mscale.register_scale(SquareRootScale)

# 创建数据
x = np.linspace(0, 100, 1000)
y = x**2

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# 设置y轴为自定义的平方根刻度
ax.set_yscale('squareroot')

# 绘制数据
ax.plot(x, y, label='Quadratic Function')

# 获取当前的y轴范围
ymin, ymax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(ymin, ymax)

# 设置调整后的范围
ax.set_ylim(adjusted_ymin, adjusted_ymax)

# 添加标签和标题
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (square root scale)')
ax.set_title('Quadratic Function with Adjusted Square Root Scale - how2matplotlib.com')
ax.legend()

plt.show()

在这个示例中，我们创建了一个自定义的平方根刻度。然后，我们使用这个刻度来显示一个二次函数。limit_range_for_scale()函数被用来调整y轴的范围，确保在这个自定义刻度下所有的数据点都能被正确显示。

7. 处理包含零或负值的数据范围

当数据范围包含零或负值时，某些刻度（如对数刻度）可能会出现问题。limit_range_for_scale()函数可以帮助我们处理这种情况。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建包含零和负值的数据
x = np.linspace(-10, 10, 100)
y = x**3

# 创建图形和坐标轴
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

# 在第一个子图中使用线性刻度
ax1.plot(x, y, label='Cubic Function')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis (linear scale)')
ax1.set_title('Cubic Function with Linear Scale - how2matplotlib.com')
ax1.legend()

# 在第二个子图中使用对数刻度
ax2.set_yscale('log')
ax2.plot(x, np.abs(y), label='Absolute Cubic Function')

# 获取当前的y轴范围
ymin, ymax = ax2.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax2.yaxis.limit_range_for_scale(ymin, ymax)

# 设置调整后的范围
ax2.set_ylim(adjusted_ymin, adjusted_ymax)

ax2.set_xlabel('X-axis')
ax2.set_ylabel('Y-axis (log scale)')
ax2.set_title('Absolute Cubic Function with Adjusted Log Scale - how2matplotlib.com')
ax2.legend()

plt.tight_layout()
plt.show()

Output:

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

在这个例子中，我们创建了一个包含零和负值的立方函数数据。在第一个子图中，我们使用线性刻度显示原始数据。在第二个子图中，我们取数据的绝对值并使用对数刻度。limit_range_for_scale()函数被用来调整第二个子图的y轴范围，确保在对数刻度下所有的数据点都能被正确显示。

8. 在极坐标图中的应用

limit_range_for_scale()函数也可以在极坐标图中使用，以调整径向轴的范围。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
theta = np.linspace(0, 2*np.pi, 100)
r = np.linspace(0.1, 10, 100)

# 创建图形和极坐标轴
fig, ax = plt.subplots(figsize=(10, 10), subplot_kw=dict(projection='polar'))

# 设置径向轴为对数刻度
ax.set_rscale('log')

# 绘制数据
ax.plot(theta, r, label='Spiral')

# 获取当前的径向轴范围
rmin, rmax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_rmin, adjusted_rmax = ax.yaxis.limit_range_for_scale(rmin, rmax)

# 设置调整后的范围
ax.set_ylim(adjusted_rmin, adjusted_rmax)

# 添加标题和图例
ax.set_title('Spiral in Polar Coordinates with Adjusted Log Scale - how2matplotlib.com')
ax.legend()

plt.show()

Output:

Matplotlib中的axis.Axis.limit_range_for_scale()函数详解与应用

在这个示例中，我们创建了一个极坐标图，并将径向轴设置为对数刻度。limit_range_for_scale()函数被用来调整径向轴的范围，确保在对数刻度下所有的数据点都能被正确显示。

9. 在3D图中的应用

limit_range_for_scale()函数也可以在3D图中使用，以调整z轴的范围。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(0.1, 10, 50)
y = np.linspace(0.1, 10, 50)
X, Y = np.meshgrid(x, y)
Z = np.exp(X + Y)

# 创建图形和3D坐标轴
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection='3d')

# 设置z轴为对数刻度
ax.zaxis.set_scale('log')

# 绘制3D表面
surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# 获取当前的z轴范围
zmin, zmax = ax.get_zlim()

# 使用limit_range_for_scale()调整范围
adjusted_zmin, adjusted_zmax = ax.zaxis.limit_range_for_scale(zmin, zmax)

# 设置调整后的范围
ax.set_zlim(adjusted_zmin, adjusted_zmax)

# 添加标签和标题
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_zlabel('Z-axis (log scale)')
ax.set_title('3D Surface with Adjusted Log Scale - how2matplotlib.com')

# 添加颜色条
fig.colorbar(surf, shrink=0.5, aspect=5)

plt.show```

在这个3D图示例中，我们创建了一个指数函数的3D表面图。z轴被设置为对数刻度，并使用`limit_range_for_scale()`函数来调整z轴的范围。这确保了在对数刻度下，3D表面的所有部分都能被正确显示。

## 10. 在多子图中的应用

`limit_range_for_scale()`函数可以在包含多个子图的图形中使用，以确保每个子图的刻度范围都得到适当的调整。

示例代码：

```python
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0.1, 10, 100)
y1 = np.exp(x)
y2 = x**2
y3 = np.log(x)
y4 = np.sqrt(x)

# 创建2x2的子图
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 15))

# 子图1：对数刻度
ax1.set_yscale('log')
ax1.plot(x, y1, label='Exponential')
ymin1, ymax1 = ax1.get_ylim()
adjusted_ymin1, adjusted_ymax1 = ax1.yaxis.limit_range_for_scale(ymin1, ymax1)
ax1.set_ylim(adjusted_ymin1, adjusted_ymax1)
ax1.set_title('Exponential (Log Scale) - how2matplotlib.com')
ax1.legend()

# 子图2：线性刻度
ax2.plot(x, y2, label='Quadratic')
ax2.set_title('Quadratic (Linear Scale) - how2matplotlib.com')
ax2.legend()

# 子图3：对称对数刻度
ax3.set_yscale('symlog', linthresh=0.1)
ax3.plot(x, y3, label='Logarithmic')
ymin3, ymax3 = ax3.get_ylim()
adjusted_ymin3, adjusted_ymax3 = ax3.yaxis.limit_range_for_scale(ymin3, ymax3)
ax3.set_ylim(adjusted_ymin3, adjusted_ymax3)
ax3.set_title('Logarithmic (Symlog Scale) - how2matplotlib.com')
ax3.legend()

# 子图4：平方根刻度
ax4.set_yscale('sqrt')
ax4.plot(x, y4, label='Square Root')
ymin4, ymax4 = ax4.get_ylim()
adjusted_ymin4, adjusted_ymax4 = ax4.yaxis.limit_range_for_scale(ymin4, ymax4)
ax4.set_ylim(adjusted_ymin4, adjusted_ymax4)
ax4.set_title('Square Root (Sqrt Scale) - how2matplotlib.com')
ax4.legend()

plt.tight_layout()
plt.show()

在这个示例中，我们创建了一个2×2的子图网格，每个子图使用不同的刻度类型。我们对每个子图都应用了limit_range_for_scale()函数来调整y轴的范围，确保在各种不同的刻度下，所有的数据点都能被正确显示。

11. 在动画中的应用

limit_range_for_scale()函数也可以在创建动画时使用，以确保在数据变化过程中刻度范围始终保持适当。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

# 创建初始数据
x = np.linspace(0.1, 10, 100)
y = np.exp(x)

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))
ax.set_yscale('log')
line, = ax.plot(x, y)

ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (log scale)')
ax.set_title('Animated Exponential Growth - how2matplotlib.com')

# 定义动画更新函数
def update(frame):
    y = np.exp(x + frame * 0.1)
    line.set_ydata(y)

    ymin, ymax = ax.get_ylim()
    adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(y.min(), y.max())
    ax.set_ylim(adjusted_ymin, adjusted_ymax)

    return line,

# 创建动画
anim = FuncAnimation(fig, update, frames=100, interval=50, blit=True)

plt.show()

在这个动画示例中，我们创建了一个随时间变化的指数函数图。在每一帧更新时，我们都使用limit_range_for_scale()函数来调整y轴的范围，确保在对数刻度下，所有的数据点都能被正确显示，即使数据范围在不断变化。

12. 在误差条图中的应用

limit_range_for_scale()函数在绘制带有误差条的图表时也很有用，特别是当使用对数刻度时。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(1, 10, 10)
y = np.exp(x)
yerr = y * 0.1  # 10%的误差

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))
ax.set_yscale('log')

# 绘制误差条
ax.errorbar(x, y, yerr=yerr, fmt='o', capsize=5, label='Data with Error')

# 获取当前的y轴范围
ymin, ymax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(y.min() - yerr.min(), y.max() + yerr.max())

# 设置调整后的范围
ax.set_ylim(adjusted_ymin, adjusted_ymax)

# 添加标签和标题
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis (log scale)')
ax.set_title('Error Bar Plot with Adjusted Log Scale - how2matplotlib.com')
ax.legend()

plt.show()

在这个示例中，我们创建了一个带有误差条的指数函数图。我们使用limit_range_for_scale()函数来调整y轴的范围，确保在对数刻度下，所有的数据点和误差条都能被完整地显示。

13. 在箱线图中的应用

limit_range_for_scale()函数在创建箱线图时也很有用，特别是当数据分布跨越多个数量级时。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = [np.random.lognormal(0, s, 1000) for s in [0.5, 1, 1.5]]

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))
ax.set_yscale('log')

# 绘制箱线图
bp = ax.boxplot(data, patch_artist=True)

# 获取当前的y轴范围
ymin, ymax = ax.get_ylim()

# 使用limit_range_for_scale()调整范围
adjusted_ymin, adjusted_ymax = ax.yaxis.limit_range_for_scale(ymin, ymax)

# 设置调整后的范围
ax.set_ylim(adjusted_ymin, adjusted_ymax)

# 添加标签和标题
ax.set_xlabel('Groups')
ax.set_ylabel('Values (log scale)')
ax.set_title('Box Plot with Adjusted Log Scale - how2matplotlib.com')

plt.show()

在这个箱线图示例中，我们创建了三组对数正态分布的数据。我们使用limit_range_for_scale()函数来调整y轴的范围，确保在对数刻度下，所有的箱线图元素（包括异常值）都能被完整地显示。

14. 在热图中的应用

limit_range_for_scale()函数也可以用于调整热图的颜色映射范围，特别是当数据值跨越多个数量级时。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.lognormal(0, 1, (10, 10))

# 创建图形和坐标轴
fig, ax = plt.subplots(figsize=(10, 8))

# 绘制热图
im = ax.imshow(data, cmap='viridis', norm=plt.LogNorm())

# 获取当前的颜色映射范围
vmin, vmax = im.get_clim()

# 使用limit_range_for_scale()调整范围
adjusted_vmin, adjusted_vmax = ax.yaxis.limit_range_for_scale(vmin, vmax)

# 设置调整后的范围
im.set_clim(adjusted_vmin, adjusted_vmax)

# 添加颜色条和标题
cbar = plt.colorbar(im)
cbar.set_label('Values (log scale)')
ax.set_title('Heatmap with Adjusted Log Scale - how2matplotlib.com')

plt.show()

在这个热图示例中，我们创建了一个对数正态分布的二维数据。我们使用limit_range_for_scale()函数来调整颜色映射的范围，确保在对数刻度下，所有的数据值都能被合适地表示。

15. 结合其他Matplotlib功能

limit_range_for_scale()函数可以与其他Matplotlib功能结合使用，以创建更复杂和信息丰富的可视化。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0.1, 10, 100)
y1 = np.exp(x)
y2 = x**2

# 创建图形和坐标轴
fig, ax1 = plt.subplots(figsize=(12, 6))

# 设置左侧y轴为对数刻度
ax1.set_yscale('log')
ax1.plot(x, y1, 'b-', label='Exponential')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y1 (log scale)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 获取当前的y轴范围并调整
ymin1, ymax1 = ax1.get_ylim()
adjusted_ymin1, adjusted_ymax1 = ax1.yaxis.limit_range_for_scale(ymin1, ymax1)
ax1.set_ylim(adjusted_ymin1, adjusted_ymax1)

# 创建右侧y轴
ax2 = ax1.twinx()
ax2.plot(x, y2, 'r-', label='Quadratic')
ax2.set_ylabel('Y2 (linear scale)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 添加图例和标题
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')

plt.title('Combined Plot with Adjusted Scales - how2matplotlib.com')

plt.show()

在这个综合示例中，我们创建了一个具有两个y轴的图表。左侧y轴使用对数刻度来显示指数函数，右侧y轴使用线性刻度来显示二次函数。我们使用limit_range_for_scale()函数来调整左侧y轴的范围，确保在对数刻度下所有的数据点都能被正确显示。

总结

通过以上详细的介绍和多个示例，我们深入探讨了Matplotlib中axis.Axis.limit_range_for_scale()函数的用法和应用场景。这个函数在处理非线性刻度、调整数据范围以及创建复杂的可视化时非常有用。它能够确保在各种不同的刻度类型下，所有的数据点都能被正确和清晰地显示。

在实际应用中，limit_range_for_scale()函数可以帮助我们解决许多与刻度相关的问题，如处理跨越多个数量级的数据、调整包含零或负值的数据范围、优化3D图表的显示效果等。通过合理使用这个函数，我们可以创建出更加准确、美观和信息丰富的数据可视化图表。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程