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）