【matplotlib】可视化解决方案——如何设置坐标系计量方法

概述

坐标轴刻度线的计量方法有很多种，这里明确一下，坐标轴刻度线的计量方法是指使用的坐标系类型，例如极坐标系。一般情况下最长使用的是线性计量方法，如果遇到特殊情况，我们还可能使用对数计量、几率对数计量和对称式对数计量等方法。比方说可视化数据变化范围非常广的时候，如果使用常规坐标系，那么很有可能导致数据密集显示，甚至无法看到数据的变化趋势，这时，使用对数计量方法就可以对图形进行更好的展示。直白一点设置计量方法就是通过一种变换将 X 轴或者 Y 轴的刻度数值进行转换，即 $y_{new}=f(y_{old})$ 。

示例

首先我们看一下为什么要有不同的计量方法，示例代码如下：

import numpy as np  
import matplotlib.pyplot as plt  
x = np.linspace(1, 10, 1024)  
plt.yscale('log')  
plt.plot(x, x, c = 'c', lw = 2., label = r'$f(x)=x$')  
plt.plot(x, 10 ** x, c = 'y', ls = '--', lw = 2., label = r'$f(x)=e^x$')  
plt.plot(x, np.log(x), c = 'm', lw = 2., label = r'$f(x)=\log(x)$')  
plt.yscale('linear')
plt.legend()  
plt.show()

画图结果：

因为线性计量方法表示的是变化的绝对值，所以使用该计量方法会显得很乱，无法突出我们的重点。而对数坐标表示的是变化的相对强度，所以我们进行一些修改：

import numpy as np  
import matplotlib.pyplot as plt  
x = np.linspace(1, 10, 1024)  
plt.yscale('log')  
plt.plot(x, x, c = 'c', lw = 2., label = r'$f(x)=x$')  
plt.plot(x, 10 ** x, c = 'y', ls = '--', lw = 2., label = r'$f(x)=e^x$')  
plt.plot(x, np.log(x), c = 'm', lw = 2., label = r'$f(x)=\log(x)$')  
plt.yscale('log')  
plt.legend()  
plt.show()

画图结果如下，这样我们就能看出三个曲线的变化趋势了。

接下里，本文将使用多种计量方法绘制图形并将他们放置在不同的子区中，对照讲解他们的联系和区别，帮助大家更好的理解每种计量方法使用的场合和原理。完整代码如下：

import matplotlib.pyplot as plt  
import numpy as np  
  
x = np.linspace(1, 10, 100)  
y1 = [2 ** j for j in x]  
y2 = [0.09 * j for j in x]  
  
fig, ax = plt.subplots(2, 2)  
  
# 线性  
ax[0, 0].plot(x, y1)  
ax[0, 0].set_yscale('linear')  
ax[0, 0].set_title("linear")  
ax[0, 0].grid(True, ls='-', lw=1, color='gray')  
  
# log  
ax[0, 1].plot(x, y1)  
ax[0, 1].set_yscale('log')  
ax[0, 1].set_title("log")  
ax[0, 1].grid(True, ls='-', lw=1, color='gray')  
  
# logit  
ax[1, 0].plot(x, y2)  
ax[1, 0].set_yscale('logit')  
ax[1, 0].set_title("logit")  
ax[1, 0].grid(True, ls='-', lw=1, color='gray')  
ax[1, 0].set_ylim(0.1, 0.9)  
  
# symlog  
ax[1, 1].plot(x, y2)  
ax[1, 1].set_yscale('symlog')  
ax[1, 1].set_title("symlog")  
ax[1, 1].grid(True, ls='-', lw=1, color='gray')  
  
fig.subplots_adjust(hspace=0.3, wspace=0.3)  
plt.show()

画图结果：

一般采用两种方式设置计量方法，第一种 plt.yscale()；第二种针对 Axes 对象，使用 Axes.set_yscale() 方法进行设置，常用的计量方法有：

1. linear：线性计量方法，这是 matplotlib 中的默认计量方法，反应的是变化的绝对值；
2. log：对数计量方法，它会将 Y 轴上的刻度标签以 10 为底进行对数变换。变换完成后的 Y 轴刻度之间的距离不再均匀；
3. logit：logit 刻度与线性刻度之间的变换公式为 $y_{new}={\log }_{10}(\frac{y}{1-y})$ ；
4. symlog：symlog 刻度线之间的距离呈现出关于 y=0 对称的特征，即刻度线的数值绝对值完全相同。

每一种计量方法的特点各不相同，需要根据数据的特点和使用者想表达的内容进行选择。除了给 Y 轴设置计量方法，也可以给 X 轴设置计量方法，用到的方法还是 plt.xscale() 和 Axes.set_xscale()。

往期回顾

1. 【matplotlib】可视化解决方案——如何正确使用文本注释
2. 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
3. 【matplotlib】可视化解决方案——如何实现图形的动画效果
4. 【matplotlib】可视化解决方案——如何正确使用plot方法
5. 【matplotlib】可视化解决方案——如何正确使用bar方法
6. 【matplotlib】可视化解决方案——如何向画布中添加坐标轴
7. 【matplotlib】可视化解决方案——如何正确使用matplotlib颜色系统
8. 【matplotlib】可视化解决方案——如何实现画布局部放大功能
9. 【matplotlib】可视化解决方案——如何更改matplotlib配置信息
10. 【matplotlib】可视化解决方案——如何定制化网格

文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！