Matplotlib控制坐标軸刻度間距和标簽

控制刻度間距

目前為止，我們讓 Matplotlib 自動處理刻度在坐标軸上的位置，但有時我們需要覆寫預設的坐标軸刻度配置，以便更加快速估計圖形中點的坐标。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
x = np.linspace(-20, 20, 1024)
y = np.sinc(x)
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.MultipleLocator(5))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(1))
plt.plot(x, y, c = 'm')
plt.show()      

以上代碼，強制水準刻度每隔 5 個機關步長呈現一次。此外，我們還添加了副刻度，副刻度的間隔為 1 個機關步長，步驟說明如下：

1. 首先執行個體化一個 Axes 對象——用于管理圖形中的坐标軸：ax=plot.Axes()。

2. 然後使用 Locator 執行個體設定 x 軸 (ax.xaxis) 或 y 軸 (ax.yaxis) 的主刻度和副刻度。

也為副刻度添加輔助網格：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
x = np.linspace(-20, 20, 1024)
y = np.sinc(x)
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.MultipleLocator(5))
ax.xaxis.set_minor_locator(ticker.MultipleLocator(1))
plt.grid(True, which='both', ls='dashed')
plt.plot(x, y, c = 'm')
plt.show()      

Tips：我們已經知道，可以使用 plt.grid() 添加輔助網格，但此函數還有一個可選參數 which，它具有三個可選值："minor"、"major" 和 "both"，分别用于僅顯示副刻度、僅顯示主刻度、主副刻度同時顯示。

控制刻度标簽

是時候介紹刻度标簽的設定了，刻度标簽是圖形空間中的坐标，雖然數字刻度标簽對于大多說場景來說是足夠的，但是卻并不總是能夠滿足需求。例如，我們需要顯示 100 個公司的營收情況，這時候我們就需要橫坐标刻度标簽為公司名，而非數字；同樣對于時間序列，我們希望橫坐标刻度标簽為日期。考慮到此類需求，我們需要使用 Matplotlib 為此提供了的 API 控制刻度标簽。  

可以按以下步驟為任何 Matplotlib 圖形設定刻度标簽：

import numpy as np
import matplotlib.ticker as ticker
import matplotlib.pyplot as plt
name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango')
value_list = np.random.randint(0, 99, size = len(name_list))
pos_list = np.arange(len(name_list))
ax = plt.axes()
ax.xaxis.set_major_locator(ticker.FixedLocator((pos_list)))
ax.xaxis.set_major_formatter(ticker.FixedFormatter((name_list)))
plt.bar(pos_list, value_list, color = 'c', align = 'center')
plt.show()      

Tips：我們首先使用 ticker.Locator 執行個體來生成刻度的位置，然後使用 ticker.Formatter 執行個體将為刻度生成标簽。FixedFormatter 從字元串清單中擷取标簽，然後用 Formatter 執行個體設定坐标軸。同時，我們還使用了 FixedLocator 來確定每個标簽中心都正好與刻度中間對齊。

更簡單的設定方式

雖然使用上述方法可以控制刻度标簽，但可以看出此方法過于複雜，如果刻度标簽是固定的字元清單，那麼可以用以下簡單的設定方法：

import numpy as np
import matplotlib.pyplot as plt
name_list = ('Apple', 'Orange', 'Banana', 'Pear', 'Mango')
value_list = np.random.randint(0, 99, size = len(name_list))
pos_list = np.arange(len(name_list))
plt.bar(pos_list, value_list, color = 'c', align = 'center')
plt.xticks(pos_list, name_list)
plt.show()      

Tips：使用 plt.xticks() 函數為一組固定的刻度提供固定标簽，此函數接受位置清單和名稱清單作為參數值，可以看出，此方法比第一種方法實作起來更簡單。

進階刻度标簽控制

不僅可以使用固定标簽，使用 ticker API 可以使用函數生成的标簽：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
def make_label(value, pos):
    return '%0.1f%%' % (100. * value)
ax = plt.axes()
ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
x = np.linspace(0, 1, 256)
plt.plot(x, np.exp(-10 * x), c ='c')
plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--')
plt.show()      

Tips：在此示例中，刻度标簽是由自定義函數 make_label 生成的。此函數以刻度的坐标作為輸入，并傳回一個字元串作為坐标标簽，這比給出固定的字元串清單更靈活。為了使用自定義函數，需要使用 FuncFormatter 執行個體——一個以函數為參數的格式化執行個體。

這種将生成标簽的實際任務指派給其他函數的方法稱為委托(delegation)模式，這是一種漂亮的程式設計技術。比方說，我們要将每個刻度顯示為日期，這可以使用标準的 Python 時間和日期函數完成：  

import numpy as np
import datetime
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
start_date = datetime.datetime(1998, 1, 1)
def make_label(value, pos):
    time = start_date + datetime.timedelta(days = 365 * value)
    return time.strftime('%b %y')
ax = plt.axes()
ax.xaxis.set_major_formatter(ticker.FuncFormatter(make_label))
x = np.linspace(0, 1, 256)
plt.plot(x, np.exp(-10 * x), c ='c')
plt.plot(x, np.exp(-5 * x), c= 'c', ls = '--')
labels = ax.get_xticklabels()
plt.setp(labels, rotation = 30.)
plt.show()      

Tips：可以利用 ax.get_xticklabels() 擷取刻度标簽執行個體，然後對标簽進行旋轉，以避免長标簽之間重疊，旋轉使用 plt.setp() 函數，其接受刻度标簽執行個體和旋轉角度作為參數值。