8.13 自定義刻度

原文：Customizing Ticks

譯者：飛龍

協(xié)議：CC BY-NC-SA 4.0

本節(jié)是《Python 數(shù)據(jù)科學(xué)手冊》（Python Data Science Handbook）的摘錄。

Matplotlib 的默認(rèn)刻度定位器和格式化程序，在許多常見情況下通常都足夠了，但對于每個繪圖都不是最佳選擇。本節(jié)將提供幾個刻度位置和格式的示例，它們調(diào)整你感興趣的特定繪圖類型。

在我們進(jìn)入示例之前，我們最好進(jìn)一步了解 Matplotlib 繪圖的對象層次結(jié)構(gòu)。Matplotlib 旨在用 Python 對象表示繪圖中出現(xiàn)的所有內(nèi)容：例如，回想一下figure是繪圖元素所在的邊框。每個 Matplotlib 對象也可以充當(dāng)子對象的容器：例如，每個figure可以包含一個或多個axes對象，它們的每個又包含表示繪圖內(nèi)容的其他對象。

刻度線也不例外。 每個axes都有屬性xaxis和yaxis，它們又具有一些屬性，包括構(gòu)成軸域的直線，刻度和標(biāo)簽。

主要和次要刻度

在每個軸內(nèi)，有主要刻度標(biāo)記和次要刻度標(biāo)記的概念。 正如名稱所暗示的那樣，主要刻度通常更大或更明顯，而次要刻度通常更小。 默認(rèn)情況下，Matplotlib 很少使用次要刻度，但是你可以在對數(shù)繪圖中看到它們：

import matplotlib.pyplot as plt
plt.style.use('classic')
%matplotlib inline
import numpy as np

ax = plt.axes(xscale='log', yscale='log')
ax.grid();

png

我們在這里看到每個主刻度線顯示為一個大刻度線和一個標(biāo)簽，而每個次刻度線顯示為一個沒有標(biāo)簽的較小刻度線。

這些刻度屬性 - 位置和標(biāo)簽 - 也就是說，可以通過設(shè)置每個軸的formatter和locator對象來定制。 讓我們檢查剛剛展示的繪圖的x軸：

print(ax.xaxis.get_major_locator())
print(ax.xaxis.get_minor_locator())

'''
<matplotlib.ticker.LogLocator object at 0x10dbaf630>
<matplotlib.ticker.LogLocator object at 0x10dba6e80>
'''

print(ax.xaxis.get_major_formatter())
print(ax.xaxis.get_minor_formatter())

'''
<matplotlib.ticker.LogFormatterMathtext object at 0x10db8dbe0>
<matplotlib.ticker.NullFormatter object at 0x10db9af60>
'''

我們看到主要和次要刻度標(biāo)簽的位置都由LogLocator指定（這對于對數(shù)圖是有意義的）。 但是，次要刻度的標(biāo)簽格式為NullFormatter：這表示不會顯示任何標(biāo)簽。我們現(xiàn)在將展示一些為各種圖設(shè)置這些定位器和格式化器的示例。

隱藏刻度或標(biāo)簽

也許最常見的刻度/標(biāo)簽格式化操作是隱藏刻度或標(biāo)簽。這可以使用plt.NullLocator()和plt.NullFormatter()來完成，如下所示：

ax = plt.axes()
ax.plot(np.random.rand(50))

ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())

png

請注意，我們已經(jīng)從x軸移除了標(biāo)簽（但保留了刻度線/網(wǎng)格線），并從y軸中刪除了刻度線（以及標(biāo)簽）。
在許多情況下，不顯示刻度可能很有用 - 例如，當(dāng)你想要顯示圖像網(wǎng)格的時候。
例如，考慮下圖，它包含不同的面部圖像，這是監(jiān)督機(jī)器學(xué)習(xí)問題中常用的一個例子（例如，參見“深入：支持向量機(jī)”）：

fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)

# 從 sklearn 獲取一些人臉數(shù)據(jù)
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images

for i in range(5):
    for j in range(5):
        ax[i, j].xaxis.set_major_locator(plt.NullLocator())
        ax[i, j].yaxis.set_major_locator(plt.NullLocator())
        ax[i, j].imshow(faces[10 * i + j], cmap="bone")

png

請注意，每個圖像都有自己的軸域，我們將定位器設(shè)置為null，因?yàn)榭潭戎担ㄔ谶@種情況下為像素數(shù)）不會傳達(dá)這個特定可視化的相關(guān)信息。

減少或增加刻度數(shù)量

默認(rèn)設(shè)置的一個常見問題是，較小的子圖最終會擁有密集的標(biāo)簽。我們可以在這里顯示的繪圖網(wǎng)格中看到它：

fig, ax = plt.subplots(4, 4, sharex=True, sharey=True)

png

特別是對于x刻度，數(shù)字幾乎重疊并使它們很難看清。我們可以用plt.MaxNLocator()解決這個問題，它允許我們指定要顯示的最大刻度數(shù)。給定此最大數(shù)量，Matplotlib 將使用內(nèi)部邏輯來選擇特定的刻度位置：

# 對于每個軸，設(shè)置 x 和 y 主要定位器
for axi in ax.flat:
    axi.xaxis.set_major_locator(plt.MaxNLocator(3))
    axi.yaxis.set_major_locator(plt.MaxNLocator(3))
fig

png

這使事情變得更加干凈。 如果你想要更多地控制等間隔的刻度位置，你也可以使用plt.MultipleLocator，我們將在下一節(jié)討論。

花式刻度格式

Matplotlib 的默認(rèn)刻度格式可能會有很多不足之處：它可以作為一個泛用的默認(rèn)值，但有時你還想做更多的事情?？紤]一下正弦和余弦的繪圖：

# 繪制正弦和余弦曲線
fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')

# 配置網(wǎng)格，圖例和限制
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi);

png

我們可能想做一些改變。 首先，以 π 的倍數(shù)的刻度線和網(wǎng)格線來區(qū)分這些數(shù)據(jù)更加自然。 我們可以通過設(shè)置MultipleLocator來實(shí)現(xiàn)，它可以在你提供的數(shù)字的倍數(shù)處，設(shè)置刻度線。 為了更好地衡量，我們將以π/4的倍數(shù)添加主要和次要刻度：

ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
fig

png

但現(xiàn)在這些刻度標(biāo)簽看起來有點(diǎn)傻：我們可以看到它們是 π 的倍數(shù)，但十進(jìn)制表示并沒有立即傳達(dá)這一點(diǎn)。要解決這個問題，我們可以更改刻度格式化器。對于我們想要做的事情，沒有內(nèi)置格式化器，所以我們改為使用plt.FuncFormatter，它接受用戶定義的函數(shù)，對刻度輸出進(jìn)行細(xì)粒度控制：

def format_func(value, tick_number):
    # 尋找 pi/2 倍數(shù)的數(shù)字
    N = int(np.round(2 * value / np.pi))
    if N == 0:
        return "0"
    elif N == 1:
        return r"$\pi/2$"
    elif N == 2:
        return r"$\pi$"
    elif N % 2 > 0:
        return r"${0}\pi/2$".format(N)
    else:
        return r"${0}\pi$".format(N // 2)

ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))
fig

png

這要好得多！ 請注意，我們已經(jīng)使用了 Matplotlib 的 LaTeX 支持，通過將字符串括在美元符號中來指定。 這對于顯示數(shù)學(xué)符號和公式非常方便：在這種情況下，$\pi$顯示為希臘字符π。

plt.FuncFormatter()提供繪圖刻度外觀的極細(xì)粒度控制，并且在準(zhǔn)備繪圖用于演示或發(fā)布時非常方便。

格式化器和定位器的總結(jié)

我們已經(jīng)提到了一些可用的格式化器和定位器。我們將簡要列出所有內(nèi)置定位器和格式化器的選項(xiàng)來結(jié)束本節(jié)。 對于其中任何內(nèi)容的更多信息，請參閱文檔字符串或 Matplotlib 在線文檔。plt命名空間中提供以下東西：

我們將在本書的其余部分看到更多這些例子。