在 matplotlib 中手动绘制对数间隔的刻度线和标签

Question

我经常发现自己在绘图时使用对数单位，例如在对数据进行分箱或创建等高线图之前获取 np.log10(x) 的数据。问题是，当我想要使绘图呈现时，轴是丑陋的对数单位，并且刻度线是均匀间隔的。

如果我让 matplotlib 进行所有转换，即通过设置 ax.set_xaxis('log')，那么我会得到非常漂亮的轴，但是我不能对我的数据执行此操作，因为它是例如已经以日志单位分类。我可以手动更改刻度标签，但这不会使刻度间距成为对数。我想我也可以手动指定每个小刻度的位置，使其具有日志间距，但这是实现这一目标的唯一方法吗？有点繁琐，如果有更好的方法就好了。

为了具体起见，这里有一个情节：

我希望刻度标签为10^x 和10^y（所以'1' 是'10'，2 是'100' 等等），并且我希望将小刻度绘制为ax.set_xaxis('log')会画他们。

编辑：为了更具体，假设情节是从图像生成的，如下所示：

import matplotlib.pyplot as plt
import scipy.misc
img = scipy.misc.face()

x_range = [-5,3] # log10 units
y_range = [-55, -45] # log10 units

p = plt.imshow(img,extent=x_range+y_range)

plt.show()

我们要做的就是按照我的描述改变坐标轴的外观。

编辑 2：好的，ImportanceOfBeingErnest 的回答非常聪明，但它比我想要的更具体到图像。我还有另一个例子，这次是分箱数据。也许他们的技术仍然适用于此，尽管我不清楚是否是这种情况。

import numpy as np
import pandas as pd
import datashader as ds
from matplotlib import pyplot as plt
import scipy.stats as sps

v1 = sps.lognorm(loc=0, scale=3, s=0.8)
v2 = sps.lognorm(loc=0, scale=1, s=0.8)
x = np.log10(v1.rvs(100000))
y = np.log10(v2.rvs(100000))
x_range=[np.min(x),np.max(x)]
y_range=[np.min(y),np.max(y)]

df = pd.DataFrame.from_dict({"x": x, "y": y})

#------ Aggregate the data ------
cvs = ds.Canvas(plot_width=30, plot_height=30, x_range=x_range, y_range=y_range)
agg = cvs.points(df, 'x', 'y')

# Create contour plot
fig = plt.figure()
ax = fig.add_subplot(111)
ax.contourf(agg, extent=x_range+y_range)
ax.set_xlabel("x")
ax.set_ylabel("y")

plt.show()

Answer 1

这个问题的一般答案可能在这篇文章中给出：

Can I mimic a log scale of an axis in matplotlib without transforming the associated data?

但是这里一个简单的选择可能是缩放轴的内容，然后将轴设置为对数刻度。

A.图片

您可以在对数刻度上绘制图像，但在对数单位中使所有像素大小相同。不幸的是，imshow 不允许使用这种图像 (any more)，但可以使用 pcolormesh 来达到此目的。

import numpy as np
import matplotlib.pyplot as plt
import scipy.misc
img = scipy.misc.face()

extx = [-5,3]     # log10 units
exty = [-45, -55] # log10 units
x = np.logspace(extx[0],extx[-1],img.shape[1]+1)
y = np.logspace(exty[0],exty[-1],img.shape[0]+1)
X,Y = np.meshgrid(x,y)

c =  img.reshape((img.shape[0]*img.shape[1],img.shape[2]))/255.0
m = plt.pcolormesh(X,Y,X[:-1,:-1], color=c, linewidth=0)
m.set_array(None)

plt.gca().set_xscale("log")
plt.gca().set_yscale("log")

plt.show()

B.轮廓

同样的概念也可以用于等高线图。

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(-1.1,1.9)
y = np.linspace(-1.4,1.55)
X,Y = np.meshgrid(x,y)
agg = np.exp(-(X**2+Y**2)*2)


fig, ax  = plt.subplots()

plt.gca().set_xscale("log")
plt.gca().set_yscale("log")


exp = lambda x: 10.**(np.array(x))

cf = ax.contourf(exp(X), exp(Y),agg, extent=exp([x.min(),x.max(),y.min(),y.max()]))

ax.set_xlabel("x")
ax.set_ylabel("y")

plt.show()