【matplotlib】可视化解决方案——如何调整轴脊位置

最新推荐文章于 2023-12-10 16:29:14 发布
最新推荐文章于 2023-12-10 16:29:14 发布
阅读量401 收藏 3
点赞数
分类专栏： # 可视化解决方案 文章标签： matplotlib python 开发语言 数据分析 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pcx171/article/details/130057158
版权

概述

matplotlib 的轴脊 (Spine 对象) 就是一条连接坐标轴刻度标签和刻度线的直线。在绘图区域一般有 4 根轴脊，这些轴脊可以放置在任何位置，也可以隐藏和显示。轴脊的显示主要使用 set_visible() 方法。先说说 Spine 对象，说的更准确些，它是数据区域的边界，直接继承自 Patch 类，所以可以传递线宽、表面颜色等参数。Spine 对象会根据 set_patch_line 、 set_patch_circle 方法绘制成不同的形状，可能是一条直线、一个圆或者一个圆弧。以下是它的类定义：

class Spine(mpatches.Patch):
	def __init__(self, axes, spine_type, path, **kwargs):
		...

参数说明：

  1. axes：包含该实例的 Axes 对象；
  2. spine_type：指定 Spine 对象的类型；
  3. path：指定绘制 Spine 对象的 Path 对象；
  4. kwargs：指定 Patch 对象相关的关键字参数；

示例

示例 1

下面这个示例通过 Axes 对象的 spines 属性获得 Spine 对象字典，并对上下左右四个 Spine 对象进行设置。第一个子图是默认绘图；第二个子图将上、右轴脊进行隐藏；第三个子图将上、右轴脊颜色设置为 None，并调整左、下轴脊的边界范围。完整的代码如下：

import matplotlib.pyplot as plt  
from matplotlib.spines import Spine  
import numpy as np  
  
plt.rcParams['axes.facecolor'] = "lemonchiffon"  
  
x = np.linspace(0, 2 * np.pi, 500)  
y = 1.85 * np.sin(x)  
  
fig, ax = plt.subplots(3, 1)  
  
ax[0].plot(x, y, lw=3, color='dodgerblue')  
ax[0].set_ylim(-2, 2)  
  
ax[1].plot(x, y, lw=3, color='dodgerblue')  
ax[1].spines["right"].set_visible(False)  
ax[1].spines["top"].set_visible(False)  
  
ax[1].xaxis.set_ticks_position("bottom")  
ax[1].yaxis.set_ticks_position("left")  
  
ax[1].set_ylim(-3, 3)  
  
ax[2].plot(x, y, lw=3, color='dodgerblue')  
ax[2].spines["right"].set_color("none")  
ax[2].spines["top"].set_color("none")  
  
ax[2].xaxis.tick_bottom()  
ax[2].yaxis.tick_left()  
  
ax[2].spines["left"].set_bounds(-1, 1)  
ax[2].spines["bottom"].set_bounds(0, 2 * np.pi)  
  
ax[2].set_ylim(-2, 2)  
plt.show()

画图结果如下：

在这里插入图片描述

这里需要补充一点，set_ylim 用来设置 Y 轴的数据显示范围，而 set_bounds() 方法用来设置轴脊的边界范围。两者有所不同，从绘图结果可以看出，调整轴脊的边界范围只是限定了边界线的范围，但是刻度范围不变，因为它只会受到 set_ylim 方法的影响，所以 set_bounds() 方法具有局限性。

示例 2

坐标轴的移动是以轴脊的位置调整作为移动对象，同时刻度线的位置也是以轴脊作为参照标准的，而刻度标签的位置又取决于刻度线的位置。因此，接下来介绍的调整轴脊位置的实现方法就具有很好的实践意义，具有"牵一发而动全身"的操作效果。具体而言，轴脊的位置调整主要通过 set_position () 方法得以实现。下面的示例演示了如何调整轴脊的各种属性，其完整代码如下：

import matplotlib.pyplot as plt  
import numpy as np  
  
plt.rcParams['axes.facecolor'] = "lemonchiffon"  
  
x = np.linspace(0, 2, 1000)  
y = 0.9 * np.sin(np.pi * x)  
fig, ax = plt.subplots(2, 3)  
  
# subplot(2,3,1)  
ax[0, 0].plot(x, y, lw=3, color="steelblue")  
ax[0, 0].spines["right"].set_visible(False)  
ax[0, 0].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 0].spines["left"].set_position(("data", 0.5))  
ax[0, 0].spines["bottom"].set_position(("data", 1))  
  
# set tickline position of bottom and left spines  
ax[0, 0].xaxis.set_ticks_position("bottom")  
ax[0, 0].yaxis.set_ticks_position("left")  
ax[0, 0].set_ylim(-1, 1)  
  
# subplot(2,3,4)  
ax[1, 0].plot(x, y, lw=3, color="steelblue")  
ax[1, 0].spines["right"].set_color("none")  
ax[1, 0].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 0].spines["left"].set_position("zero")  
ax[1, 0].spines["bottom"].set_position("zero")  
  
# set tickline position of bottom and left spines  
ax[1, 0].xaxis.tick_bottom()  
ax[1, 0].yaxis.tick_left()  
ax[1, 0].set_ylim(-1, 1)  
  
# subplot(2,3,2)  
ax[0, 1].plot(x, y, lw=3, color="steelblue")  
ax[0, 1].spines["right"].set_visible(False)  
ax[0, 1].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 1].spines["left"].set_position(("axes", 0.25))  
ax[0, 1].spines["bottom"].set_position(("axes", 0.75))  
  
# set tickline position of bottom and left spines  
ax[0, 1].xaxis.set_ticks_position("bottom")  
ax[0, 1].yaxis.set_ticks_position("left")  
ax[0, 1].set_ylim(-1, 1)  
  
# subplot(2,3,5)  
ax[1, 1].plot(x, y, lw=3, color="steelblue")  
  
ax[1, 1].spines["right"].set_color("none")  
ax[1, 1].spines["top"].set_color("none")  
ax[1, 1].spines["left"].set_position("center")  
  
# set left and bottom spines position  
ax[1, 1].spines["bottom"].set_position("center")  
  
# set tickline position of bottom and left spines  
ax[1, 1].xaxis.tick_bottom()  
ax[1, 1].yaxis.tick_left()  
ax[1, 1].set_ylim(-1, 1)  
  
# subplot(2,3,3)  
ax[0, 2].plot(x, y, lw=3, color="steelblue")  
ax[0, 2].spines["right"].set_visible(False)  
ax[0, 2].spines["top"].set_visible(False)  
  
# set leftandbottomspinespines position  
ax[0, 2].spines["left"].set_position(("outward", 3))  
ax[0, 2].spines["bottom"].set_position(("outward", 2))  
  
# set tickline position of bottom and left spines  
ax[0, 2].xaxis.set_ticks_position("bottom")  
ax[0, 2].yaxis.set_ticks_position("left")  
ax[0, 2].set_ylim(-1, 1)  
  
# subplot(2,3,6)  
ax[1, 2].plot(x, y, lw=3, color="steelblue")  
ax[1, 2].spines["right"].set_color("none")  
ax[1, 2].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 2].spines["left"].set_position(("outward", -3))  
ax[1, 2].spines["bottom"].set_position(("outward", -2))  
  
# set tickline position of bottom and left spines  
  
ax[1, 2].xaxis.tick_bottom()  
ax[1, 2].yaxis.tick_left()  
  
ax[1, 2].set_ylim(-1, 1)  
  
fig.subplots_adjust(wspace=0.35, hspace=0.2)  
plt.show()

画图结果如下：

在这里插入图片描述

补充说明一下，set_position 方法可以传递一个二元元祖，也可以传递一个字符串，字符串本质是二元元祖的简写，这里只对二元元祖进行说明。

  • (“data”, 5)：表示使用数值坐标轴系统，轴脊放在 5 刻度线的位置；
  • (“axes”, 0.25)：表示使用 Axes 坐标轴系统，即将轴长度归一化到 [0, 1] 之间，轴脊放置在轴长度 25%的位置；
  • (“outward”, 3)：表示将轴脊放置在距离数据区域 3 个点的位置；
  • “center”：表示将左、下轴脊都放置在 50% 的位置，等价于(“axes”, 0.5)。

往期回顾

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

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！

小猪猪家的大猪猪
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
移动鼠标到某位置
08-21
移动鼠标到某位置源码系统结构:移动鼠标位置,======窗口程序集1||||------_按钮1_被单击||||------__启动窗口_创建完毕||||------_时钟1_周期事件||||======调用的Dll||||---[dll]------移动鼠标位置 调
matplotlib 设置坐标轴位置（spines）,设置坐标别名（xticks,yticks）
花木兰
09-27 1万+
参考的这 import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']='SimHei' plt.figure(figsize=(8,5), dpi=80) plt.subplot(111) X = np.linspace(-np.pi, np.pi, 256,endpoint=T...
matplotlib 的 spines模块详解
Python草堂的博客
02-18 1万+
spines 模块详解 matplotlib 设计了一个 spines模块，用于在创建 axes 时生成 Spine对象（坐标轴线）。 spines模块定义了一个 Spine 类，为类定义了 25 个方法，其中有 3 个是 classmethod。 Spine 类 Spine 类的定义 一个 axis spine – 标注数据区域边界的 line。 Spines 是连接 axis tick 标记的直线，并且标注数据区域的边界。可以通过 set_position 将它放置在任意的位置。 默认的位置是：('o
python之matplotlib 3.2.1之spines不显示右侧和顶端的坐标轴
千行百行的博客
04-19 4643
不显示右侧和顶端的坐标轴是通过spines实现的，具体操作如下： # 隐藏右侧和顶端的坐标轴 ax.spines['right'].set_visible(False) ax.spines['top'].set_visible(False) 可以参照matplotlib官方文档之Ticks and spines下边的例子进行操作。 ...
Python数据可视化：坐标轴的定制
2301_77210166的博客
11-11 610
坐标轴的结构相同，主要包括轴脊、刻度，其中刻度又可以细分为刻度线和刻度标签，刻度线又可以细分为主刻度线和次刻度线。• 4-tuple：由4个浮点型元素（取值范围为0~1)组成的元组(eft，bottom，width,height)，前两个元素lcft和bottom分别表示坐标轴左侧和底部的边缘到画布的相对距离，用于确定坐标轴的位置；在matplotlib中，坐标轴的刻度有着固定的样式，例如，刻度线的方向是朝外的，刻度线的颜色是黑色等。• pad：表示刻度线与刻度标签的距离。
ax.spines——matplotlib坐标轴设置
热门推荐
Bowen Wang的博客
10-11 2万+
通常软件绘图，包括 matlab、python 的 matplotlib，默认都是将坐标轴置于画布（figure）的最下侧（x 轴），最左侧（y 轴），也即将坐标原点置于左下角 获取坐标轴 在matplotlib的图中，默认有四个轴，两个横轴和两个竖轴，可以通过ax = plt.gca()方法获取，gca是‘get current axes’的缩写，获取图像的轴，总共有四个轴top、bottom、...
Matplotlib 自定义坐标轴2(Spine)
千里之行始于足下
01-13 523
– Start import numpy as np import matplotlib.pyplot as plt # 创建坐标系 ax = plt.subplot(1, 1, 1) # 设置坐标轴位置 # https://matplotlib.org/api/spines_api.html#module-matplotlib.spines ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') ax.spines
matplotlib图像刻度、坐标轴的设置
aquapisces的博客
05-22 2万+
matplotlib.pyplot画出来的图，有时候看着挺别扭的： 别扭在哪？matplotlib默认的坐标轴竟然不是以(0,0)为原点。这就需要我们自己调整坐标轴的位置了。 先抛出结论： 1，刻度（ticks）的颜色独立于边线(spine) 2，刻度（ticks）的位置则依附于边线（spine） 3，可以通过设置边线（spine）来更改坐标轴的位置 看不懂？go on↓ ...
用matplotlib对图表的轴脊、刻度线、刻度标签 进行美化
最新发布
2302_77438207的博客
12-10 447
多边形的绘制1.2.3.4.
Matplotlib 常用可视化操作
cjm_success的博客
08-12 2147
Matplotlib 常用可视化操作 文章目录Matplotlib 常用可视化操作0. matplotlib 介绍1. 简单辅助线2. 坐标轴设置用figure() 函数创建图表设置x轴 与 y轴的名称设置x轴 与 y轴的数据范围设置x轴和y轴的坐标刻度设置图表标题移动坐标轴 & 改变轴颜色其他一些坐标轴的方法和参数3. 显示图例 (legend & label)4. 显示备注 (annotate & test)用annotate()函数可用于显示带箭头的备注用text()函数可以在
Python数据可视化——Matplotlib可视化（一）
01-07
 Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等...
数据可视化：matplotlib_1
09-17
数据可视化：matplotlib_1
python数据可视化 - Matplotlib——基于jupyter
02-21
该文件是.ipynb，可直接用jupyter打开运行 Matplotlib是一个强大的绘图工具，能满足几乎所有的2D和一些3D绘图的需求。... seaborn基础还是matplotlib，所有利用python进行数据分析可视化，学习matplotlib是基础。
Python matplotlib可视化实例解析
09-16
主要介绍了Python matplotlib可视化实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
【Matplotlib】数据可视化实例分析
02-24
摘要：数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达...
6.4.2 坐标轴的定制——隐藏部分轴脊
qq_43416206的博客
09-05 249
matplotlib 可以只隐藏坐标轴的部分轴脊，只需要访问 spines 属性获取相应的轴脊，之后。在 6.3.3 节的实例中，折线图显示了全部的轴脊，但右轴脊和上轴脊并未起到任何作用。调用 set_color() 方法将轴脊的颜色设为 none 即可，示例代码如下。从图 6-6 中可以看出，图表只隐藏了坐标轴的部分轴脊而没有隐藏轴脊上的刻度。6.4.3　实例 2 ：深圳市 24 小时的平均风速（隐藏部分轴脊）本实例将折线图的右轴脊和上轴脊隐藏，具体代码如下。依次隐藏上轴脊、 左轴脊和右轴脊。
matplotlib - spines 设置
无聊的豆奶
02-07 2377
matplotlib spines 设置简介隐藏图脊设置图脊位置参考 简介 在 Matplotlib 中，Spine 指绘图区四周的边界线（这里姑且将其翻译为图脊），如下图所示。 使用 Axes.spines 更改图脊的属性。实现诸如删除顶部和右侧的图脊，或者将左侧图脊移动原点等功能。 Axes.spines 属性是一个字典对象，通过 right, left, top, bottom 键可以访问各个方位的图脊。 隐藏图脊 使用 set_color 将图脊的颜色设置为 None，可以隐藏图脊，例如，绘制一个
数据可视化第六章移动轴脊和第七章使用mplot3d绘制3D图表
qq_55680071的博客
03-29 1110
6.5　移动轴脊 6.5.1　移动轴脊的位置 import numpy as np import matplotlib.pyplot as plt import matplotlib.patches as mpathes xy = np.array([0.5,0.5]) polygon = mpathes.RegularPolygon(xy, 5, 0.2,color=‘y’) ax = plt.axes((0.3, 0.3, 0.5, 0.5)) ax.add_patch(polygon) ax.spin
matplotlib中坐标轴
weixin_74204416的博客
11-17 117
这些类共同协作，使得您可以在matplotlib中创建和定制各种类型的图形和图表。通过使用这些类的方法和属性，您可以控制坐标轴的外观、添加刻度和标签、调整轴脊的位置和外观等。此外，Axes对象还支持许多其他方法和属性，例如添加图例、网格、箭头等。可以通过查看matplotlib文档来了解更多信息。Axes对象有许多属性和方法，可以用于控制坐标轴的外观和行为。这些类共同构成了matplotlib的坐标轴系统，用于绘制和展示图形。在matplotlib中，坐标轴由。绘制某股票一周折线图。
matplotlib可视化实例
06-07
好的，下面是一个简单的 matplotlib 可视化实例，展示如何使用 matplotlib 绘制一个简单的散点图： ```python import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.random.rand(100) y = np.random.rand(100) colors = np.random.rand(100) sizes = 1000 * np.random.rand(100) # 绘制散点图 plt.scatter(x, y, c=colors, s=sizes, alpha=0.5) # 添加标题和标签 plt.title('Random Scatter Plot') plt.xlabel('X') plt.ylabel('Y') # 显示图形 plt.show() ``` 在这个例子中，我们使用`numpy`库生成了随机数据，然后使用`scatter`函数绘制了一个散点图。其中`c`参数表示散点的颜色，`s`参数表示散点的大小，`alpha`参数表示散点的透明度。最后使用`title`、`xlabel`和`ylabel`函数添加了标题和坐标轴标签。 除了散点图，matplotlib还支持绘制折线图、条形图、饼图、热力图等等。如果你想了解更多的可视化实例，可以查看matplotlib官方文档。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小猪猪家的大猪猪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值