Python-Matplotlib可视化（6）——自定义坐标轴让统计图清晰易懂

以上代码，强制水平刻度每隔5个单位步长呈现一次。此外，我们还添加了副刻度，副刻度的间隔为1个单位步长，步骤说明如下：

1. 首先实例化一个Axes对象——用于管理图形中的坐标轴：ax=plot.Axes()。

2. 然后使用Locator实例设置x轴(ax.xaxis)或y轴(ax.yaxis)的主刻度和副刻度。

也为副刻度添加辅助网格：

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.ticker as ticker

x = np.linspace(-20, 20, 1024)

y = np.sinc(x)

ax = plt.axes()

ax.xaxis.set_major_locator(ticker.MultipleLocator(5))

ax.xaxis.set_minor_locator(ticker.MultipleLocator(1))

plt.grid(True, which=‘both’, ls=‘dashed’)

plt.plot(x, y, c = ‘m’)

plt.show()

Tips：我们已经知道，可以使用plt.grid()添加辅助网格，但此函数还有一个可选参数which，它具有三个可选值："minor"、"major"和"both"，分别用于仅显示副刻度、仅显示主刻度、主副刻度同时显示。

控制刻度标签

---

是时候介绍刻度标签的设置了，刻度标签是图形空间中的坐标，虽然数字刻度标签对于大多说场景来说是足够的，但是却并不总是能够满足需求。例如，我们需要显示100个公司的营收情况，这时候我们就需要横坐标刻度标签为公司名，而非数字；同样对于时间序列，我们希望横坐标刻度标签为日期…。考虑到此类需求，我们需要使用Matplotlib为此提供了的API控制刻度标签。

可以按以下步骤为任何Matplotlib图形设置刻度标签：

import numpy as np

import matplotlib.ticker as ticker

import matplotlib.pyplot as plt

name_list = (‘Apple’, ‘Orange’, ‘Banana’, ‘Pear’, ‘Mango’)

value_list = np.random.randint(0, 99, size = len(name_list))

pos_list = np.arange(len(name_list))

ax = plt.axes()

ax.xaxis.set_major_locator(ticker.FixedLocator((pos_list)))

ax.xaxis.set_major_formatter(ticker.FixedFormatter((name_list)))

plt.bar(pos_list, value_list, color = ‘c’, align = ‘center’)

plt.show()

Tips：我们首先使用ticker.Locator实例来生成刻度的位置，然后使用ticker.Formatter实例将为刻度生成标签。FixedFormatter从字符串列表中获取标签，然后用Formatter实例设置坐标轴。同时，我们还使用了FixedLocator来确保每个标签中心都正好与刻度中间对齐。

更简单的设置方式

虽然使用上述方法可以控制刻度标签，但可以看出此方法过于复杂，如果