我想使用 matplotlib 绘制一张带有一个对数轴的图。
我一直在阅读文档,但无法弄清楚语法。我知道这可能很简单,比如情节参数中的
'scale=linear'
,但我似乎无法正确理解
示例程序:
import pylab
import matplotlib.pyplot as plt
a = [pow(10, i) for i in range(10)]
fig = plt.figure()
ax = fig.add_subplot(2, 1, 1)
line, = ax.plot(a, color='blue', lw=2)
pylab.show()
Axes.set_yscale
方法。这允许您在创建 Axes
对象后更改比例。这还允许您构建一个控件,让用户在需要时选择比例。
要添加的相关行是:
ax.set_yscale('log')
您可以使用
'linear'
切换回线性刻度。您的代码如下所示:
import pylab
import matplotlib.pyplot as plt
a = [pow(10, i) for i in range(10)]
fig = plt.figure()
ax = fig.add_subplot(2, 1, 1)
line, = ax.plot(a, color='blue', lw=2)
ax.set_yscale('log')
pylab.show()
首先,混合
pylab
和 pyplot
代码不太整洁。更重要的是,pyplot 风格优于使用 pylab。
这是一个稍微清理过的代码,仅使用
pyplot
函数:
from matplotlib import pyplot
a = [ pow(10,i) for i in range(10) ]
pyplot.subplot(2,1,1)
pyplot.plot(a, color='blue', lw=2)
pyplot.yscale('log')
pyplot.show()
pyplot.yscale()
。如果您使用面向对象的版本,请用方法 Axes.set_yscale()
替换它。请记住,您还可以使用 pyplot.xscale()
(或 Axes.set_xscale()
)更改 X 轴的比例。
检查我的问题“log”和“symlog”之间有什么区别?查看 matplotlib 提供的图形比例的一些示例。
如果你想改变对数的底数,只需添加:
plt.yscale('log',base=2)
在 Matplotlib 3.3 之前,您必须使用 basex/basey 作为 log 的基础
您只需使用 semilogy 而不是情节:
from pylab import *
import matplotlib.pyplot as pyplot
a = [ pow(10,i) for i in range(10) ]
fig = pyplot.figure()
ax = fig.add_subplot(2,1,1)
line, = ax.semilogy(a, color='blue', lw=2)
show()
我知道这有点偏离主题,因为一些评论提到
ax.set_yscale('log')
是“最好的”解决方案,我认为可能需要反驳。我不建议使用 ax.set_yscale('log')
来绘制直方图和条形图。在我的版本(0.99.1.1)中,我遇到了一些渲染问题 - 不确定这个问题有多普遍。然而 bar 和 hist 都有可选参数来将 y 尺度设置为日志,这可以正常工作。
参考资料: http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.bar
http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.hist
因此,如果您只是使用不复杂的 API,就像我经常使用的那样(我在 ipython 中经常使用它),那么这就是简单的
yscale('log')
plot(...)
希望这可以帮助那些寻找简单答案的人! :).
本页提供了一些方法(semilogx、semilogy、loglog),但它们在幕后都执行相同的操作,即调用
set_xscale('log')
(对于 x 轴)和 set_yscale('log')
(对于 y 轴)。此外,plt.yscale
/plt.scale
是状态机中的函数,它们调用当前 Axes 对象上的set_yscale
/set_xscale
。即使对于条形图(以及直方图,因为它们只是条形图),log=True
参数也会根据条形方向调用set_yscale('log')
/set_xscale('log')
。
所以无论你使用哪一个,它们最终都会调用相同的方法。顺便说一句,除了能够选择日志的基础之外,您还可以在同一函数调用中设置次要刻度位置(使用
subs
kwarg)。
data = np.random.choice(np.logspace(-0.5, 1, base=20), 10)
plt.plot(data)
plt.yscale('log', base=10, subs=[10**x for x in (0.25, 0.5, 0.75)], nonpositive='mask')
# ^^^ <-- 3 equal-spaced minor ticks ^^^^ mask invalid values