Matplotlib 刻度格式化器 | Python 绘图库

简介

Matplotlib 是一个广泛使用的 Python 绘图库，可生成高质量的 2D 和 3D 图形。在本实验中，我们将学习如何在 Matplotlib 中使用刻度格式化器。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

导入 Matplotlib 并设置绘图

首先，我们需要导入 Matplotlib 库并设置绘图。我们将创建一个带有一个 y 轴和一个 x 轴的空绘图。我们还将配置坐标轴，使其仅显示底部的脊柱线，设置刻度位置，并定义刻度长度。

import matplotlib.pyplot as plt
from matplotlib import ticker

def setup(ax, title):
    """Set up common parameters for the Axes in the example."""
    ## only show the bottom spine
    ax.yaxis.set_major_locator(ticker.NullLocator())
    ax.spines[['left', 'right', 'top']].set_visible(False)

    ## define tick positions
    ax.xaxis.set_major_locator(ticker.MultipleLocator(1.00))
    ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.25))

    ax.xaxis.set_ticks_position('bottom')
    ax.tick_params(which='major', width=1.00, length=5)
    ax.tick_params(which='minor', width=0.75, length=2.5, labelsize=10)
    ax.set_xlim(0, 5)
    ax.set_ylim(0, 1)
    ax.text(0.0, 0.2, title, transform=ax.transAxes,
            fontsize=14, fontname='Monospace', color='tab:blue')


fig, ax = plt.subplots(figsize=(8, 2))
setup(ax, "Tick Formatters")

示例中的坐标轴通用参数设置

仅显示底部脊柱线：将 y 轴的主定位器设置为 NullLocator，隐藏左、右、上脊柱线。
定义刻度位置：
- x 轴的主定位器设置为 MultipleLocator(1.00)，表示主刻度间隔为 1。
- x 轴的次定位器设置为 MultipleLocator(0.25)，表示次刻度间隔为 0.25。
- 将 x 轴的刻度位置设置在底部。
- 设置主刻度的宽度为 1.00，长度为 5；次刻度的宽度为 0.75，长度为 2.5，标签大小为 10。
设置坐标轴范围：x 轴范围为 0 到 5，y 轴范围为 0 到 1。
添加标题：在坐标 (0.0, 0.2) 处添加标题，使用 ax.transAxes 进行坐标转换，字体大小为 14，字体为 'Monospace'，颜色为 'tab:blue'。

创建一个大小为 (8, 2) 的图形和坐标轴，并调用 setup 函数设置标题为 "Tick Formatters"。

简单格式化

在这一步中，我们将展示如何通过向 ~.Axis.set_major_formatter 或 ~.Axis.set_minor_formatter 传递字符串或函数来使用简单格式化器。我们将创建两个绘图，一个使用字符串格式化器，另一个使用函数格式化器。

fig0, axs0 = plt.subplots(2, 1, figsize=(8, 2))
fig0.suptitle('Simple Formatting')

## 一个使用格式字符串函数语法的 ``str`` 可以直接用作格式化器。变量 ``x`` 是刻度值，变量 ``pos`` 是刻度位置。这会自动创建一个 StrMethodFormatter。
setup(axs0[0], title="'{x} km'")
axs0[0].xaxis.set_major_formatter('{x} km')

## 一个函数也可以直接用作格式化器。该函数必须接受两个参数：用于刻度值的 ``x`` 和用于刻度位置的 ``pos``，并且必须返回一个 ``str``。这会自动创建一个 FuncFormatter。
setup(axs0[1], title="lambda x, pos: str(x-5)")
axs0[1].xaxis.set_major_formatter(lambda x, pos: str(x-5))

fig0.tight_layout()

格式化器对象格式化

在这一步中，我们将使用 .Formatter 对象来格式化刻度。我们将创建七个绘图，每个绘图使用不同的格式化器。

fig1, axs1 = plt.subplots(7, 1, figsize=(8, 6))
fig1.suptitle('Formatter Object Formatting')

## 空格式化器
setup(axs1[0], title="NullFormatter()")
axs1[0].xaxis.set_major_formatter(ticker.NullFormatter())

## StrMethod 格式化器
setup(axs1[1], title="StrMethodFormatter('{x:.3f}')")
axs1[1].xaxis.set_major_formatter(ticker.StrMethodFormatter("{x:.3f}"))

## FuncFormatter 可以用作装饰器
@ticker.FuncFormatter
def major_formatter(x, pos):
    return f'[{x:.2f}]'

setup(axs1[2], title='FuncFormatter("[{:.2f}]".format)')
axs1[2].xaxis.set_major_formatter(major_formatter)

## 固定格式化器
setup(axs1[3], title="FixedFormatter(['A', 'B', 'C',...])")
## 固定格式化器应仅与固定定位器一起使用。
## 否则，无法确定标签最终会出现在哪里。
positions = [0, 1, 2, 3, 4, 5]
labels = ['A', 'B', 'C', 'D', 'E', 'F']
axs1[3].xaxis.set_major_locator(ticker.FixedLocator(positions))
axs1[3].xaxis.set_major_formatter(ticker.FixedFormatter(labels))

## 标量格式化器
setup(axs1[4], title="ScalarFormatter()")
axs1[4].xaxis.set_major_formatter(ticker.ScalarFormatter(useMathText=True))

## 格式字符串格式化器
setup(axs1[5], title="FormatStrFormatter('#%d')")
axs1[5].xaxis.set_major_formatter(ticker.FormatStrFormatter("#%d"))

## 百分比格式化器
setup(axs1[6], title="PercentFormatter(xmax=5)")
axs1[6].xaxis.set_major_formatter(ticker.PercentFormatter(xmax=5))

fig1.tight_layout()

显示绘图

最后，我们将使用 plt.show() 来显示绘图。

plt.show()

总结

在本实验中，我们学习了如何在 Matplotlib 中使用刻度格式化器，方法是将字符串或函数传递给 ~.Axis.set_major_formatter 或 ~.Axis.set_minor_formatter，或者创建各种 ~.ticker.Formatter 类之一的实例并将其提供给 ~.Axis.set_major_formatter 或 ~.Axis.set_minor_formatter。我们还学习了如何设置带有刻度位置、刻度长度和标题的绘图。

Matplotlib 刻度格式化器教程

简介