【Matplotlib学习】Matplotlib 中 x 轴和 y 轴的玩法大全：从基础到高级技巧

原创于 2025-08-27 13:58:54 发布 · 677 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#matplotlib #学习 #python #信息可视化

Matplotlib 专栏收录该内容

11 篇文章

订阅专栏

Matplotlib 中 x 轴和 y 轴的玩法大全：从基础到高级技巧

Matplotlib 的坐标轴系统是其强大功能的核心，提供了丰富的定制选项。本文将全面总结 x 轴和 y 轴的各种玩法，并详细比较子图级别与整图级别的设置差异。

一、x 轴和 y 轴的基础玩法

（一）轴的范围和刻度控制

import matplotlib.pyplot as plt
import numpy as np

# 设置轴范围
plt.xlim(0, 10)  # 设置 x 轴范围
plt.ylim(-5, 5)  # 设置 y 轴范围

# 或者使用面向对象方式
ax.set_xlim(0, 10)
ax.set_ylim(-5, 5)

# 自动调整范围
ax.autoscale(enable=True, axis='x', tight=True)

# 设置刻度位置
plt.xticks([0, 2, 4, 6, 8, 10])  # 指定 x 轴刻度位置
plt.yticks(np.arange(-5, 6, 1))  # 指定 y 轴刻度位置

# 设置刻度标签
plt.xticks([0, 5, 10], ['Start', 'Middle', 'End'])  # 自定义刻度标签

# 设置刻度间隔
from matplotlib.ticker import MultipleLocator
ax.xaxis.set_major_locator(MultipleLocator(2))  # 主刻度每 2 个单位
ax.xaxis.set_minor_locator(MultipleLocator(0.5))  # 次刻度每 0.5 个单位

（二）轴标签和标题

# 设置轴标签
plt.xlabel('X Axis Label', fontsize=12, color='blue')
plt.ylabel('Y Axis Label', fontsize=12, color='red')

# 设置轴标题
ax.set_xlabel('X Axis Label', fontdict={'fontsize': 12, 'fontweight': 'bold'})
ax.set_ylabel('Y Axis Label', fontdict={'fontsize': 12, 'fontweight': 'bold'})

# 旋转标签
plt.xticks(rotation=45)  # x 轴标签旋转 45 度

（三）轴刻度格式化和样式

# 科学计数法格式化
from matplotlib.ticker import ScalarFormatter
ax.yaxis.set_major_formatter(ScalarFormatter(useMathText=True))

# 百分比格式化
from matplotlib.ticker import PercentFormatter
ax.yaxis.set_major_formatter(PercentFormatter(1.0))  # 1.0 = 100%

# 日期格式化
import matplotlib.dates as mdates
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))

# 对数刻度
ax.set_xscale('log')  # 设置 x 轴为对数刻度
ax.set_yscale('log')  # 设置 y 轴为对数刻度

# 对称对数刻度（处理正负值）
ax.set_yscale('symlog', linthresh=0.01)  # 在 0.01 附近使用线性刻度

（四）轴线和刻度样式

# 设置轴线颜色和宽度
ax.spines['bottom'].set_color('blue')
ax.spines['bottom'].set_linewidth(2)
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)

# 隐藏上部和右侧轴线
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 设置刻度方向、长度和颜色
ax.tick_params(axis='x', direction='out', length=6, width=2, color='blue')
ax.tick_params(axis='y', direction='in', length=10, width=1, color='red')

# 设置刻度标签颜色和大小
ax.tick_params(axis='x', labelsize=10, labelcolor='green')

二、高级轴玩法

（一）双轴和共享轴

# 创建双 y 轴
ax2 = ax.twinx()  # 共享 x 轴，创建新 y 轴
ax2.plot(x, y2, 'r-')
ax2.set_ylabel('Second Y Axis')

# 创建双 x 轴
ax3 = ax.twiny()  # 共享 y 轴，创建新 x 轴
ax3.plot(x2, y, 'g-')
ax3.set_xlabel('Second X Axis')

# 共享轴（多个子图）
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)  # 共享 x 轴
fig, (ax1, ax2) = plt.subplots(1, 2, sharey=True)  # 共享 y 轴

（二）轴位置和方向

# 移动轴位置
ax.spines['bottom'].set_position(('data', 0))  # 将 x 轴移动到 y=0 的位置
ax.spines['left'].set_position(('data', 0))    # 将 y 轴移动到 x=0 的位置

# 反转轴方向
ax.invert_xaxis()  # 反转 x 轴
ax.invert_yaxis()  # 反转 y 轴

# 设置轴原点位置
ax.spines['left'].set_position('zero')  # 将 y 轴移动到 x=0
ax.spines['bottom'].set_position('zero')  # 将 x 轴移动到 y=0

（三）自定义刻度和网格

# 自定义刻度格式化函数
def custom_formatter(x, pos):
    if x >= 1000:
        return f'{x/1000:.0f}k'
    else:
        return f'{x:.0f}'

ax.xaxis.set_major_formatter(plt.FuncFormatter(custom_formatter))

# 添加网格
ax.grid(True, which='major', linestyle='-', linewidth=0.5, color='gray', alpha=0.5)
ax.grid(True, which='minor', linestyle=':', linewidth=0.5, color='lightgray', alpha=0.3)

# 设置网格只在主要或次要刻度上显示
ax.xaxis.grid(True, which='major')
ax.yaxis.grid(True, which='minor')

（四）轴限制和自动缩放

# 动态调整轴范围
margin = 0.1  # 10% 的边距
x_margin = (x_max - x_min) * margin
y_margin = (y_max - y_min) * margin
ax.set_xlim(x_min - x_margin, x_max + x_margin)
ax.set_ylim(y_min - y_margin, y_max + y_margin)

# 保持纵横比
ax.set_aspect('equal')  # 1:1 纵横比
ax.set_aspect(2)        # x 轴单位长度是 y 轴的 2 倍

# 自动缩放但保持特定范围
ax.set_autoscale_on(True)
ax.set_ylim(bottom=0)  # y 轴从 0 开始，但自动调整上限

三、子图与整幅图的轴设置差异

（一）设置级别的差异

设置类型	子图级别 (Axes)	整图级别 (Figure)
轴范围	`ax.set_xlim()`, `ax.set_ylim()`	无直接设置，但可通过布局调整影响
轴标签	`ax.set_xlabel()`, `ax.set_ylabel()`	`fig.supxlabel()`, `fig.supylabel()` (Matplotlib 3.4+)
轴刻度	`ax.set_xticks()`, `ax.set_yticks()`	无直接设置
刻度标签	`ax.set_xticklabels()`, `ax.set_yticklabels()`	无直接设置
轴标题	`ax.set_title()`	`fig.suptitle()`
共享轴	`ax.sharex()`, `ax.sharey()`	创建子图时通过 `sharex`, `sharey` 参数

（二）实际应用中的区别

# 创建子图
fig, axes = plt.subplots(2, 2, figsize=(10, 8))

# 子图级别的设置（只影响当前子图）
axes[0, 0].set_xlim(0, 10)
axes[0, 0].set_xlabel('X for subplot 1')

# 整图级别的设置（影响所有子图）
fig.suptitle('Overall Figure Title')  # 整图标题
fig.supxlabel('Common X Label')       # 整图 x 轴标签 (Matplotlib 3.4+)
fig.supylabel('Common Y Label')       # 整图 y 轴标签 (Matplotlib 3.4+)

# 批量设置所有子图
for ax in axes.flat:
    ax.set_xlim(0, 10)  # 统一设置所有子图的 x 轴范围
    ax.tick_params(axis='x', rotation=45)  # 统一旋转 x 轴标签

# 共享轴设置（创建时）
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)  # 所有子图共享轴

# 共享轴设置（创建后）
axes[0, 0].sharex(axes[1, 0])  # 特定子图之间共享轴

（三）布局调整的影响

# 整图级别的布局调整会影响所有子图的轴位置
plt.subplots_adjust(
    left=0.1,      # 左边距
    bottom=0.1,    # 底边距
    right=0.9,     # 右边距
    top=0.9,       # 顶边距
    wspace=0.2,    # 子图之间水平间距
    hspace=0.3     # 子图之间垂直间距
)

# 使用 constrained_layout 自动调整
fig, axes = plt.subplots(2, 2, constrained_layout=True)

# 使用 GridSpec 进行精细控制
import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(2, 2, width_ratios=[1, 2], height_ratios=[2, 1])
ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[1, :])  # 跨两列

四、实用技巧和最佳实践

（一）处理日期轴

import pandas as pd
import matplotlib.dates as mdates

# 创建日期数据
dates = pd.date_range('2023-01-01', '2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 绘制日期数据
fig, ax = plt.subplots()
ax.plot(dates, values)

# 设置日期格式
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))
ax.xaxis.set_major_locator(mdates.MonthLocator())
plt.xticks(rotation=45)

（二）处理分类数据轴

# 分类数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 56, 12, 78]

fig, ax = plt.subplots()
ax.bar(categories, values)

# 自定义分类轴标签
ax.set_xticks(range(len(categories)))
ax.set_xticklabels([f'Category {c}' for c in categories], rotation=45)

（三）高级轴装饰

# 添加轴箭头
ax.spines['bottom'].set_position('zero')
ax.spines['left'].set_position('zero')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.plot(1, 0, ">k", transform=ax.get_yaxis_transform(), clip_on=False)
ax.plot(0, 1, "^k", transform=ax.get_xaxis_transform(), clip_on=False)

# 添加轴背景色
ax.axhspan(ymin=0, ymax=1, facecolor='green', alpha=0.1)  # 水平背景区域
ax.axvspan(xmin=0, xmax=1, facecolor='blue', alpha=0.1)   # 垂直背景区域

（四）响应式轴调整

# 自动调整标签避免重叠
fig, ax = plt.subplots()
ax.plot(x, y)
fig.autofmt_xdate()  # 自动旋转日期标签

# 动态调整刻度密度基于图形大小
def update_ticks(ax, fig):
    # 根据图形大小调整刻度密度
    width = fig.get_figwidth() * fig.dpi
    height = fig.get_figheight() * fig.dpi
    
    # 计算合适的刻度数量
    x_ticks = max(5, int(width / 100))
    y_ticks = max(5, int(height / 80))
    
    ax.xaxis.set_major_locator(plt.MaxNLocator(x_ticks))
    ax.yaxis.set_major_locator(plt.MaxNLocator(y_ticks))

# 连接调整函数
fig.canvas.mpl_connect('resize_event', lambda event: update_ticks(ax, fig))

五、总结表格：子图与整图轴设置对比

功能	子图级别 (Axes)	整图级别 (Figure)	说明
轴范围	`set_xlim()`, `set_ylim()`	无直接方法	整图可通过布局调整间接影响
轴标签	`set_xlabel()`, `set_ylabel()`	`supxlabel()`, `supylabel()`	整图方法需要 Matplotlib 3.4+
轴标题	`set_title()`	`suptitle()`	整图标题显示在所有子图上方
刻度位置	`set_xticks()`, `set_yticks()`	无直接方法
刻度标签	`set_xticklabels()`, `set_yticklabels()`	无直接方法
刻度格式	`xaxis.set_major_formatter()` 等	无直接方法
共享轴	`sharex()`, `sharey()`	创建时通过参数设置	整图级别设置更简洁
轴线样式	`spines[]` 相关方法	无直接方法
网格线	`grid()`	无直接方法
布局调整	无	`subplots_adjust()`, `tight_layout()`	整图级别控制所有子图位置