在matplotlib中,我可以使用pyplot.xscale()
或Axes.setxscale()
设置轴缩放。这两个函数都接受三种不同的刻度:'linear'
|'log'
|'symlog'
'log'
和'symlog'
之间有什么区别?在我做的一个简单测试中,他们看起来完全一样
我知道文档上说它们接受不同的参数,但我仍然不理解它们之间的区别。有人能解释一下吗?答案将是最好的,如果它有一些示例代码和图形!(还有:“symlog”这个名字是从哪里来的?)
我终于抽出时间做了一些实验,以了解它们之间的区别。以下是我的发现:
log
仅允许正值,并允许您选择如何处理负值(mask
或clip
)symlog
表示对称log,并允许正值和负值symlog
允许在绘图中设置零附近的范围将是线性的,而不是对数的
我认为通过图形和示例,一切都会变得更容易理解,所以让我们尝试一下:
导入numpy
从matplotlib导入pyplot
#启用交互模式
pyplot.ion()
#画网格线
pyplot.grid(True)
#从-50到50的数字,以0.1作为步长
xdomain=numpy.arange(-50,50,0.1)
#绘制一个简单的线性函数“f(x)=x”
pyplot.plot(xdomain,xdomain)
#绘制‘sin(x)’
pyplot.plot(xdomain,numpy.sin(xdomain))
#“线性”是默认模式,因此下一行是冗余的:
pyplot.xscale('linear'))
如何处理负值?
#“掩码”将负值视为无效
#“mask”是默认值,因此接下来的两行是等效的
pyplot.xscale(’log’))
pyplot.xscale(’log’,nonposx=’mask’)
#“clip”将所有负值映射为非常小的正值
pyplot.xscale('log',nonposx='clip')
然而,
#“symlog”缩放可以很好地处理负值
pyplot.xscale('symlog')
您甚至可以将线性范围设置为零
pyplot.xscale(’symlog’,linthreshx=20)
为了完整起见,我使用以下代码保存每个数字:
默认dpi为80
savefig(’matplotlib_xscale_linear.png’,dpi=50,bbox_inches=’tight’)
请记住,您可以使用以下方法更改体形大小:
fig=pyplot.gcf()
图设置尺寸英寸([4,3.])
#默认大小:[8,6]
(如果您不确定我是否会回答自己的问题,请阅读此内容)