如何设置一个精确的浮点数作为 Matplotlib 上 y 轴限制的比例因子？

Question

数字 1.67845714e-12 是我的物理项目的重要成果。我想绘制 y 轴限制围绕该结果作为比例因子的图形。

在下面的例子中：

import numpy as np
import matplotlib.pyplot as plt
plt.ion()
import random 

x = np.arange(0,100)
y = np.zeros(len(x))

for i in range(len(x)):
    y[i] = 1.67845714e-12*random.random() - (4.20e-14)*x[i]

plt.ylim(float(-3*1.67845714e-12), float(3*1.67845714e-12)) #The important line 
plt.plot(x,y)

生成的 plot 的 y 轴从 -5*e-12 到 5*e-12 ，而不是从 -3*1.67845714e-12 到 3*1.67845714e-12 的 y 轴

我怎样才能让 Matplotlib 在图表的左上角显示1.67845714e-12 的步骤，并且像我想要的那样在 y 轴上显示 -3 到 3 的比例？如果这不可能，例如步骤太长，我可以给我的步骤一个昵称（例如“结果”）来完成这项工作吗？

我尝试过使用其他命令，例如 ax.set_yticks() 、 ax=plt.gta() 或 ax.set_ylim() 但我搜索过的东西似乎都不起作用。

Answer 1

我正在尝试根据我理解您想要做的事情来回答。正如我所看到的，您希望有一个从-3*1.67845714e-12 到3*1.67845714e-12 的y 轴，但每个步骤/刻度的大小都是1.67845714e-12。

注意我创建了一个名为scalingFactor 的变量来保存1.67845714e-12。我认为这回答了你的一个问题。然后你可以使用它而不是写整数。

好的，生成刻度以便您可以使用numpy.arange(inf, sup, step) 函数。它返回给定间隔[inf;sup) 内的均匀间隔值。所以我们将使用1.67845714e-12 步骤生成从-3*scalingFactor 到3*scalingFactor 的刻度。您可能会在代码中注意到sup=4*scalingFactor。这是因为numpy.arange()排除了区间的上限。

要获得轴上的整数而不是四舍五入，您可以使用 plt.gca().yaxis.set_major_formatter(mtick.FormatStrFormatter('%.8e')) 强制它有 8 位小数。此函数格式化轴刻度的标签，在这种情况下它使用此字符串格式%.8e。

import numpy as np
import matplotlib.pyplot as plt
plt.ion()
import random 
import matplotlib.ticker as mtick

x = np.arange(0,100)
y = np.zeros(len(x))

scalingFactor = 1.67845714e-12

for i in range(len(x)):
    y[i] = scalingFactor*random.random() - (4.20e-14)*x[i]

inf = -3*scalingFactor
sup = 4*scalingFactor

plt.plot(x, y)
plt.ylim(inf, sup)
plt.yticks(np.arange(inf, sup, scalingFactor))
plt.subplots_adjust(left=0.24) # Squash the plot from the left so the ticks labels can be seen
plt.gca().yaxis.set_major_formatter(mtick.FormatStrFormatter('%.8e')) 
plt.show()

输出

编辑： 好吧，事实上，我一直在为你想要的东西而苦苦挣扎，因为我从来不需要那样做。但是，我根据您的需要为您的问题提出了一个非常临时的解决方案，因为您的所有数据似乎都在该范围内，并且您希望缩放因子为 1.67845714e-12。

有一些格式化程序类可以格式化刻度值和处理偏移值（左上角的刻度值）。所以我们可以创建一个继承自ScalarFormatter 的ModScalarFormatter，并重写一些函数来手动设置我们想要的偏移量和刻度，而不需要让matplotlib 计算它：

import numpy as np
import matplotlib.pyplot as plt
plt.ion()
import random 
import math
import matplotlib.ticker as mtick

class ModScalarFormatter(mtick.ScalarFormatter):
    def __init__(self, useOffset=None, useMathText=None, useLocale=None):
        mtick.ScalarFormatter.__init__(self, useOffset, useMathText, useLocale)
        # Create the ticks we want
        self.ticks = [i for i in range(-3, 4)]

    def _set_offset(self, text):
        self.offset = text # Set the offset text we want

    def get_offset(self, txt=''):
        return self.offset # Return the offset value

    def __call__(self, x, pos=None):
        # The __call__ returns the tick on position `pos` from the
        # ticks we specified
        return self.ticks[pos]

x = np.arange(0,100)
y = np.zeros(len(x))

scalingFactor = 1.67845714e-12

for i in range(len(x)):
    y[i] = scalingFactor*random.random() - (4.20e-14)*x[i]

inf = -3*scalingFactor
sup = 3*scalingFactor

plt.plot(x, y)
plt.yticks(np.linspace(inf, sup, 7))

# Create and use a Custom Scalar Formatter Class
sf = ModScalarFormatter(useOffset=1.67845714e-12)
plt.gca().yaxis.set_major_formatter(sf)

plt.ylim(inf, sup)

plt.show()

输出：

注意：我很确定应该有一种更优雅的方式来实现这一点，但这是我为您的特定问题提供帮助和临时解决方案的方式。

希望这会有所帮助。