Matplotlib绘图基础之坐标轴详解

更新时间：2023年07月30日 14:12:40 作者：databook

Matplotlib的坐标轴是用于在绘图中表示数据的位置的工具，也是为了帮助观察者了解图像中数据的位置和大小，下面小编就来和大家详细聊聊Matplotlib绘图时坐标轴的具体使用吧

1. 坐标轴范围

Matplotlib绘制图形时，会自动根据X，Y轴的数值，自动确定其范围，确保能够涵盖所有的数值。
比如：

_, ax = plt.subplots(2, 1)
#X轴范围0~8，Y轴范围1~100
x = np.array(range(0, 8))
y = np.random.randint(1, 100, 8)
ax[0].plot(x, y)
#X轴范围10~18，Y轴范围100~200
x = np.array(range(10, 18))
y = np.random.randint(100, 200, 8)
ax[1].plot(x, y)

可以看出，图形中X轴，Y轴的范围是根据 x, y列表中数值的最大最小值来生成的。

有时候，为了看图的局部位置，可以主动设置X轴，Y轴的范围，而不是依靠自动生成。
比如：

_, ax = plt.subplots(2, 1)
x = np.array(range(0, 8))
y = np.random.randint(1, 100, 8)
ax[0].set_xlim(3, 6) #X轴范围3~6
ax[0].plot(x, y)
x = np.array(range(10, 18))
y = np.random.randint(100, 200, 8)
ax[1].set_ylim(120, 150) #Y轴范围120~150
ax[1].plot(x, y)

上面的示例设置的第一个图的X轴范围，第二个图的Y轴范围。

2. 双坐标轴

如果要把Y轴不同范围的两个曲线放在一起比较趋势的话，就要用到双坐标轴。

比如：

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
x = np.array(range(0, 8))
y1 = np.random.randint(1, 100, 8)
ax.plot(x, y1, c='r')
y2 = np.random.randint(100, 200, 8)
ax.plot(x, y2, c='g')

上图中红色的线范围在1~100之间，绿色的线范围在100~200之间。

虽然放在一个图中比较，看着却像是在两个子图。

这时，我们可以用两个不同范围的Y轴，从而能够让两条曲线更好的比较。

比如：

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax_twinx = ax.twinx()
x = np.array(range(0, 8))
y1 = np.random.randint(1, 100, 8)
ax.plot(x, y1, c='r')
y2 = np.random.randint(100, 200, 8)
ax_twinx.plot(x, y2, c='g')

左边是红线对应的Y轴，右边是绿线对应的Y轴。

3. 反坐标轴

最后，关于坐标轴的设置，还有一个比较常用的设置是反转坐标轴。
坐标轴的默认顺序是从小到大的，但是，对于一些特殊的图表类型（如散点图、条形图、直方图等），可以通过反转坐标轴来更好地展示数据点的分布情况。

3.1. 反转X轴

fig = plt.figure()
x = np.array(range(0, 8))
y = np.random.randint(1, 100, 8)
ax1 = fig.add_subplot(211)
ax1.plot(x, y)
#反转X轴
ax2 = fig.add_subplot(212)
ax2.invert_xaxis()
ax2.plot(x, y)

上例两个子图的X轴顺序是相反的。

3.2. 反转Y轴

fig = plt.figure()
x = np.array(range(0, 8))
y = np.random.randint(1, 100, 8)
ax1 = fig.add_subplot(211)
ax1.plot(x, y)
#反转Y轴
ax2 = fig.add_subplot(212)
ax2.invert_yaxis()
ax2.plot(x, y)

上例两个子图的Y轴顺序是相反的。

4. 总结回顾

这里介绍的主要是坐标轴在展示分析结果的不同场景中的常用设置方法，

其他关于坐标轴字体，颜色等等可以查阅官方文档。

到此这篇关于Matplotlib绘图基础之坐标轴详解的文章就介绍到这了,更多相关Matplotlib坐标轴内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python使用Pandas处理测试数据的方法
Pandas是一个功能极其强大的数据分析库，可以高效地操作各种数据集，这篇文章主要介绍了Python自动化测试-使用Pandas来高效处理测试数据,需要的朋友可以参考下
2023-02-02
python爬虫爬取bilibili网页基本内容
这篇文章主要介绍了python爬虫爬取bilibili网页基本内容，用爬虫爬取bilibili网站排行榜游戏类的所有名称及链接，下面来看看具体的实现过程吧,需要的朋友可以参考一下
2022-01-01
Python进阶语法之类的继承
这篇文章主要为大家介绍了Python类的继承，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2021-12-12
python fabric使用笔记
这篇文章主要介绍了python fabric使用笔记,fabric是一款实现远程操作和部署强大工具,本文就给出了它的多个使用实例,需要的朋友可以参考下
2015-05-05
python中利用Future对象回调别的函数示例代码
最近在学习python，所以这篇文章主要给大家介绍了关于在python中利用Future对象回调别的函数的相关资料，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，需要的朋友们下面随着小编来一起学习学习下吧。
2017-09-09
python将pandas datarame保存为txt文件的实例
今天小编就为大家分享一篇python将pandas datarame保存为txt文件的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-02-02
Python函数中闭包和延迟绑定详情
这篇文章主要介绍了Python函数中闭包和延迟绑定详情，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
2022-05-05
2020年10款优秀的Python第三方库,看看有你中意的吗？
2020已经过去，在过去的一年里，又有非常多优秀的Python库涌现出来。相对于numpy、TensorFlow、pandas这些已经经过多年维护、迭代，对于大多数Python开发者耳熟能详的库不同。
2021-01-01
Python 经典贪心算法之Prim算法案例详解
这篇文章主要介绍了Python 经典贪心算法之Prim算法案例详解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下
2021-09-09
CoAtNet实战之对植物幼苗图像进行分类(pytorch)
谷歌的最新模型CoAtNet做了卷积 + Transformer的融合,在ImageNet-1K数据集上取得88.56%的成绩。本文主要介绍如何用CoAtNet实现植物幼苗图像的分类。感兴趣的小伙伴可以学习一下
2021-12-12