坐标轴高阶应用
（1）设置坐标轴的位置和展示形式
1.向画布中任意位置添加任意数量的坐标轴
import matplotlib.pyplot as plt
import numpy as np
#创建一个新的子图（axes），参数[0.05, 0.7, 0.3, 0.3]分别表示子图的左下角坐标（x0, y0）为 (0.05, 0.7)，宽度和高度分别为 0.3。frameon=True表示显示子图的边框；aspect='equal'表示设置子图的纵横比为相等，即 x 和 y 轴的单位长度在显示上相等
plt.axes([0.05,0.7,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(np.arange(3),[0,1,0],color = 'blue',linewidth = 2,linestyle = '--')
plt.axes([0.3,0.4,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(2+np.arange(3),[0,1,0],color = 'b',linewidth = 2,linestyle = '-')
plt.axes([0.55,0.1,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(4+np.arange(3),[0,1,0],color = 'b',linewidth = 2,linestyle = ':')
plt.show()运行结果：
2.调整已经确定的坐标轴的显示、隐藏与刻度范围等问题
import matplotlib.pyplot as plt
import numpy as np
plt.axes([0.05,0.7,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(np.arange(3),[0,1,0],color = 'blue',linewidth = 2,linestyle = '--')
plt.ylim(0,1.5)
plt.axis('image')#将坐标轴设置为 “image” 模式，通常会使坐标轴的纵横比与数据的范围相匹配，以确保图像不失真。
plt.axes([0.3,0.4,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(2+np.arange(3),[0,1,0],color = 'b',linewidth = 2,linestyle = '-')
plt.ylim(0,15)
plt.axis([2.1,3.9,0.5,1.9])#手动设置坐标轴的范围，x 轴从 2.1 到 3.9，y 轴从 0.5 到 1.9
plt.axes([0.55,0.1,0.3,0.3],frameon = True,aspect = 'equal')
plt.plot(4+np.arange(3),[0,1,0],color = 'b',linewidth = 2,linestyle = ':')
plt.ylim(0,1.5)
plt.axis('off')#关闭这个子图的坐标轴显示。
plt.show()运行结果：
3.使用函数axis()绘制坐标轴
import matplotlib.pyplot as plt
import numpy as np
plt.plot(4+np.arange(3),[0,1,0],color = 'b',linewidth = 4,linestyle = ':')
plt.axis([3,7,-0.5,3])
plt.show()代码说明：1.基本上都是先调用axes()绘制坐标轴，然后调用函数axis()在原来坐标轴的基础上调整坐标轴的视图显示情况，包括可见性、范围和比例协调性等。
2.我们也可以跟上面代码一样通过调用axis()实现绘制坐标轴，在绘制图形的可视化需求。
运行结果：
（2）使用两种方法控制坐标轴刻度的显示
1.方法1：调用Axes.set_xticks()和Axes.set_yticks()实例方法
import matplotlib.pyplot as plt
ax1 = plt.subplot(121)
ax1.set_xticks(range(0,251,50))
plt.grid(True,axis = 'x')
ax2 = plt.subplot(122)
ax2.set_xticks([])
plt.grid(True,axis = 'x')
plt.show()运行结果：
如果不设置坐标轴刻度，那么网格线也不会被设置。设置刻度，包括设置刻度标签和刻度线。
2.方法2：调用函数setp()
import matplotlib.pyplot as plt
ax1 = plt.subplot(221)
plt.setp(ax1.get_xticklabels(),visible = True)
plt.setp(ax1.get_xticklines(),visible = True)
plt.grid(True,axis = 'x')
ax2 = plt.subplot(222)
plt.setp(ax2.get_xticklabels(),visible = True)
plt.setp(ax2.get_xticklines(),visible = False)
plt.grid(True,axis = 'x')
ax3 = plt.subplot(223)
plt.setp(ax3.get_xticklabels(),visible = False)
plt.setp(ax3.get_xticklines(),visible = True)
plt.grid(True,axis = 'x')
ax4 = plt.subplot(224)
plt.setp(ax4.get_xticklabels(),visible = False)
plt.setp(ax4.get_xticklines(),visible = False)
plt.grid(True,axis = 'x')
plt.show()运行结果：
方法1是不画刻度元素，而方法2是画刻度元素，然后控制显示还是隐藏。不画刻度元素自然没有参考线，但是画了刻度元素后，又将其隐藏，参考线并不会消失。
3.棉棒图的定制化展示
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
markerline,stemlines,baseline = plt.stem(x,y)
plt.setp(markerline,color = 'chartreuse',marker = 'D')
plt.setp(stemlines,linestyle = '-.')
baseline.set_linewidth(2)
plt.show()代码说明：1.使用 plt.stem 绘制火柴杆图。它将返回三个对象，分别是标记线（markerline）、茎线（stemlines）和基线（baseline）
2.使用 plt.setp（设置属性）函数来设置标记线的属性。这里将标记线的颜色设置为 “chartreuse”（黄绿色）
运行结果：
4.坐标轴的样式和位置的定制化展示
import matplotlib.pyplot as plt
import numpy as np
from calendar import day_name
from matplotlib.ticker import FormatStrFormatter
fig = plt.figure()
ax = fig.add_axes([0.2,0.2,0.7,0.7])
#将底部和左侧的坐标轴脊线向外移动 10 个点的位置，以增加图表与坐标轴之间的距离
ax.spines['bottom'].set_position(('outward',10))
ax.spines['left'].set_position(('outward',10))
#将顶部和右侧的坐标轴脊线设置为不可见。
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
x = np.arange(1,8,1)
y = 2*x+1
ax.scatter(x,y,c = 'orange',s = 50,edgecolors='orange')
#遍历 x 轴的刻度线，设置颜色为蓝色，标记大小为 2，标记边缘宽度为 5
for tickline in ax.xaxis.get_ticklines():
tickline.set_color('blue')
tickline.set_markersize(2)
tickline.set_markeredgewidth(5)
#遍历 x 轴的主要刻度标签，设置颜色为石板蓝色，字体大小为 15，旋转角度为 20。
for ticklabel in ax.get_xmajorticklabels():
ticklabel.set_color('slateblue')
ticklabel.set_fontsize(15)
ticklabel.set_rotation(20)
ax.yaxis.set_major_formatter(FormatStrFormatter(r'$\yen%1.1f$'))
plt.xticks(x,day_name[0:7],rotation = 20)
#明确设置 y 轴的刻度线位置在左侧，x 轴的刻度线位置在底部
ax.yaxis.set_ticks_position('left')
ax.xaxis.set_ticks_position('bottom')
for tickline in ax.yaxis.get_ticklines():
tickline.set_color('lightgreen')
tickline.set_markersize(2)
tickline.set_markeredgewidth(5)
for ticklabel in ax.get_xmajorticklabels():
ticklabel.set_color('slateblue')
ticklabel.set_fontsize(18)
ax.grid(ls = ':',lw = 1,color = 'gray',alpha = 0.5)
plt.show()运行结果：
（3）控制坐标轴的显示
此部分在上面代码中就有体现
#将顶部和右侧的坐标轴脊线设置为不可见。
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
#明确设置 y 轴的刻度线位置在左侧，x 轴的刻度线位置在底部
ax.yaxis.set_ticks_position('left')
ax.xaxis.set_ticks_position('bottom')通过 ax.spines['right'].set_color('none')是将右边框去掉，但是刻度线还是保留下来了。再添加ax.yaxis.set_ticks_position('left')就可以将右边框的刻度线去掉的展示效果。通过这类语句可以改变刻度标签和刻度线的显示位置。
（4）移动坐标轴的位置
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_axes([0.2,0.2,0.7,0.7])
#将底部和左侧的坐标轴脊线向外移动 10 个点的位置，以增加图表与坐标轴之间的距离
ax.spines['bottom'].set_position(('outward',10))
ax.spines['left'].set_position(('outward',10))
#将顶部和右侧的坐标轴脊线设置为不可见。
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data',0))#('data', 0)表示将底部脊线移动到数据坐标中的 0 位置。这意味着底部坐标轴将与数据中的 y = 0 位置对齐
ax.spines['left'].set_position(('data',0))#同样，('data', 0)将左侧脊线移动到数据坐标中的 0 位置，即左侧坐标轴将与数据中的 x = 0 位置对齐
x = np.linspace(-2*np.pi,2*np.pi,200)
y = np.sin(x)
ax.plot(x,y,c = 'orange')
#明确设置 y 轴的刻度线位置在左侧，x 轴的刻度线位置在底部
ax.yaxis.set_ticks_position('left')
ax.xaxis.set_ticks_position('bottom')
ax.grid(ls = ':',lw = 1,color = 'gray',alpha = 0.5)
plt.show()以下呈现有关键语句和无关键语句的运行结果：
关键语句为：
ax.spines['bottom'].set_position(('data',0))#('data', 0)表示将底部脊线移动到数据坐标中的 0 位置。这意味着底部坐标轴将与数据中的 y = 0 位置对齐
ax.spines['left'].set_position(('data',0))#同样，('data', 0)将左侧脊线移动到数据坐标中的 0 位置，即左侧坐标轴将与数据中的 x = 0 位置对齐
扫一扫
660
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
