当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

参考：Matplotlib.axis.Axis.get_major_formatter() function in Python

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能和自定义选项。在Matplotlib中，坐标轴的格式化是一个重要的方面，它可以帮助我们更好地展示数据和提高图表的可读性。本文将深入探讨Matplotlib中的Axis.get_major_formatter()函数，这是一个用于获取坐标轴主刻度格式化器的重要方法。

1. Axis.get_major_formatter()函数简介

Axis.get_major_formatter()是Matplotlib库中axis.Axis类的一个方法。这个函数的主要作用是获取坐标轴的主刻度格式化器。格式化器决定了坐标轴上刻度标签的显示方式，例如数字的精度、日期的格式等。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个简单的图表
fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x))

# 获取x轴的主刻度格式化器
formatter = ax.xaxis.get_major_formatter()
print(f"X轴主刻度格式化器: {formatter}")

plt.title("how2matplotlib.com - get_major_formatter() Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个简单的正弦曲线图，然后使用get_major_formatter()方法获取了x轴的主刻度格式化器。默认情况下，Matplotlib使用ScalarFormatter作为数值轴的格式化器。

2. 理解主刻度格式化器

主刻度格式化器控制着坐标轴上主要刻度标签的显示方式。Matplotlib提供了多种内置的格式化器，每种都适用于不同的数据类型和显示需求：

  1. ScalarFormatter：用于格式化数值刻度。
  2. FuncFormatter：允许用户自定义格式化函数。
  3. FixedFormatter：使用固定的字符串列表作为刻度标签。
  4. FormatStrFormatter：使用格式字符串来格式化刻度标签。
  5. StrMethodFormatter：使用字符串的format方法来格式化刻度标签。
  6. PercentFormatter：将数值格式化为百分比。
  7. LogFormatter：用于对数刻度的格式化。
  8. LogFormatterExponent：用于对数刻度的指数格式化。
  9. LogFormatterMathtext：使用数学文本格式化对数刻度。
  10. LogitFormatter：用于logit刻度的格式化。

让我们看一个使用ScalarFormatter的例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter

fig, ax = plt.subplots()
x = np.linspace(0, 1, 10)
ax.plot(x, x**2)

# 获取并设置x轴的主刻度格式化器
formatter = ScalarFormatter(useOffset=False, useMathText=True)
ax.xaxis.set_major_formatter(formatter)

# 再次获取格式化器并打印
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - ScalarFormatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们首先创建了一个ScalarFormatter实例，禁用了偏移功能并启用了数学文本。然后我们将这个格式化器应用到x轴上，最后再次使用get_major_formatter()获取当前的格式化器并打印出来。

3. 自定义格式化器

有时候，内置的格式化器可能无法满足我们的特定需求。在这种情况下，我们可以创建自定义的格式化器。最灵活的方式是使用FuncFormatter，它允许我们定义一个函数来控制刻度标签的格式。

让我们看一个例子，我们将创建一个自定义格式化器，将数值转换为科学记数法：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def scientific_formatter(x, pos):
    return f"{x:.2e}"

fig, ax = plt.subplots()
x = np.logspace(0, 5, 100)
ax.plot(x, x**2)

# 创建并设置自定义格式化器
formatter = FuncFormatter(scientific_formatter)
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Custom Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们定义了一个scientific_formatter函数，它将数值转换为科学记数法。然后我们使用FuncFormatter创建了一个自定义格式化器，并将其应用到x轴上。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

4. 日期和时间的格式化

对于时间序列数据，Matplotlib提供了专门的日期格式化器。最常用的是DateFormatter。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.dates import DateFormatter
import datetime

# 创建一些示例数据
dates = [datetime.datetime(2023, 1, 1) + datetime.timedelta(days=i) for i in range(365)]
values = np.random.randn(365).cumsum()

fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(dates, values)

# 设置日期格式化器
date_formatter = DateFormatter("%Y-%m-%d")
ax.xaxis.set_major_formatter(date_formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Date Formatter Example")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个时间序列数据，然后使用DateFormatter来格式化x轴的日期显示。我们指定了日期的显示格式为”年-月-日”。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

5. 百分比格式化

对于需要显示为百分比的数据，Matplotlib提供了PercentFormatter。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import PercentFormatter

fig, ax = plt.subplots()
x = np.linspace(0, 1, 100)
ax.plot(x, x**2)

# 设置百分比格式化器
formatter = PercentFormatter(xmax=1, decimals=1)
ax.yaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.yaxis.get_major_formatter()
print(f"当前Y轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Percent Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个简单的二次函数图，然后使用PercentFormatter来格式化y轴的显示。我们指定了xmax=1，这意味着1将被视为100%，并设置了小数点后保留1位。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

6. 对数刻度的格式化

对于对数刻度，Matplotlib提供了专门的格式化器，如LogFormatter。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import LogFormatter

fig, ax = plt.subplots()
x = np.logspace(0, 5, 100)
ax.plot(x, x**2)
ax.set_xscale('log')

# 设置对数格式化器
formatter = LogFormatter(base=10)
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Log Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个对数刻度的图表，然后使用LogFormatter来格式化x轴的显示。我们指定了底数为10。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

7. 使用FixedFormatter

有时候，我们可能想要为刻度使用固定的标签。这时可以使用FixedFormatter。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FixedFormatter

fig, ax = plt.subplots()
x = np.arange(5)
y = x**2

ax.plot(x, y)

# 设置固定格式化器
formatter = FixedFormatter(['A', 'B', 'C', 'D', 'E'])
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Fixed Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个简单的图表，然后使用FixedFormatter来为x轴设置固定的标签。我们提供了一个字符串列表作为标签。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

8. 使用FormatStrFormatter

如果我们想要使用Python的字符串格式化语法来控制刻度标签的显示，可以使用FormatStrFormatter。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FormatStrFormatter

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 100)
ax.plot(x, np.sin(x))

# 设置格式字符串格式化器
formatter = FormatStrFormatter('%.2f')
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - FormatStr Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个正弦函数图，然后使用FormatStrFormatter来格式化x轴的显示。我们指定了格式字符串’%.2f’，这意味着数值将显示为保留两位小数的浮点数。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

9. 使用StrMethodFormatter

StrMethodFormatter是一个更现代的字符串格式化器，它使用Python 3的字符串格式化语法。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import StrMethodFormatter

fig, ax = plt.subplots()
x = np.linspace(0, 1, 10)
ax.plot(x, x**2)

# 设置字符串方法格式化器
formatter = StrMethodFormatter("{x:.3f}")
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - StrMethod Formatter Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个二次函数图，然后使用StrMethodFormatter来格式化x轴的显示。我们指定了格式字符串”{x:.3f}”，这意味着数值将显示为保留三位小数的浮点数。最后，我们再次使用get_major_formatter()获取当前的格式化器并打印出来。

10. 组合使用多种格式化器

在某些情况下，我们可能需要在同一个图表中使用多种不同的格式化器。Matplotlib允许我们为不同的轴设置不同的格式化器。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter, PercentFormatter

def currency_formatter(x, pos):
    return f"${x:,.0f}"

fig, ax = plt.subplots()
x = np.linspace(0, 1, 100)
ax.plot(x, x**2)

# 为x轴设置货币格式化器
ax.xaxis.set_major_formatter(FuncFormatter(currency_formatter))

# 为y轴设置百分比格式化器
ax.yaxis.set_major_formatter(PercentFormatter(xmax=1))

# 获取并打印当前格式化器
x_formatter = ax.xaxis.get_major_formatter()
y_formatter = ax.yaxis.get_major_formatter()
print(f"当前X轴主刻度格式化器: {x_formatter}")
print(f"当前Y轴主刻度格式化器: {y_formatter}")

plt.title("how2matplotlib.com - Multiple Formatters Example")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个图表，x轴使用自定义的货币格式化器，y轴使用百分比格式化器。我们分别为x轴和y轴设置了不同的格式化器，然后使用get_major_formatter()获取并打印了两个轴的格式化器。

11. 动态更改格式化器

有时候，我们可能需要在程序运行过程中动态地更改格式化器。Axis.get_major_formatter()和Axis.set_major_formatter()方法使这变得非常简单。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter, PercentFormatter

fig, ax = plt.subplots()
x = np.linspace(0, 1, 100)
line, = ax.plot(x, x**2)

# 初始使用ScalarFormatter
ax.yaxis.set_major_formatter(ScalarFormatter())

# 获取并打印初始格式化器
initial_formatter = ax.yaxis.get_major_formatter()
print(f"初始Y轴主刻度格式化器: {initial_formatter}")

plt.title("how2matplotlib.com - Dynamic Formatter Change")
plt.draw()
plt.pause(2)

# 更改为PercentFormatter
ax.yaxis.set_major_formatter(PercentFormatter(xmax=1))

# 获取并打印更改后的格式化器
new_formatter = ax.yaxis.get_major_formatter()
print(f"更改后Y轴主刻度格式化器: {new_formatter}")

plt.draw()
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们首先使用ScalarFormatter，然后在短暂暂停后切换到PercentFormatter。我们使用get_major_formatter()方法来验证格式化器的变化。

12. 在子图中使用不同的格式化器

当我们创建包含多个子图的图表时，可以为每个子图设置不同的格式化器。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter, PercentFormatter, FuncFormatter

def scientific_formatter(x, pos):
    return f"{x:.2e}"

fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(15, 5))
x = np.linspace(0, 1, 100)

# 第一个子图：使用ScalarFormatter
ax1.plot(x, x**2)
ax1.yaxis.set_major_formatter(ScalarFormatter())

# 第二个子图：使用PercentFormatter
ax2.plot(x, x**2)
ax2.yaxis.set_major_formatter(PercentFormatter(xmax=1))

# 第三个子图：使用自定义FuncFormatter
ax3.plot(x, x**2)
ax3.yaxis.set_major_formatter(FuncFormatter(scientific_formatter))

# 获取并打印每个子图的格式化器
for i, ax in enumerate([ax1, ax2, ax3], 1):
    formatter = ax.yaxis.get_major_formatter()
    print(f"子图{i}的Y轴主刻度格式化器: {formatter}")

plt.suptitle("how2matplotlib.com - Different Formatters in Subplots")
plt.tight_layout()
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了三个子图，每个子图使用不同的格式化器。我们使用get_major_formatter()方法来获取并打印每个子图的格式化器。

13. 处理大数字的格式化

当处理非常大或非常小的数字时，默认的格式化器可能不能很好地显示这些数字。我们可以使用自定义的格式化器来解决这个问题。让我们看一个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def large_num_formatter(x, pos):
    if abs(x) >= 1e9:
        return f'{x/1e9:.1f}B'
    elif abs(x) >= 1e6:
        return f'{x/1e6:.1f}M'
    elif abs(x) >= 1e3:
        return f'{x/1e3:.1f}K'
    else:
        return f'{x:.1f}'

fig, ax = plt.subplots()
x = np.array([1e3, 1e6, 1e9, 1e12])
y = x**2

ax.plot(x, y)
ax.set_xscale('log')
ax.set_yscale('log')

# 设置自定义格式化器
formatter = FuncFormatter(large_num_formatter)
ax.xaxis.set_major_formatter(formatter)
ax.yaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
x_formatter = ax.xaxis.get_major_formatter()
y_formatter = ax.yaxis.get_major_formatter()
print(f"X轴主刻度格式化器: {x_formatter}")
print(f"Y轴主刻度格式化器: {y_formatter}")

plt.title("how2matplotlib.com - Large Number Formatting")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个自定义的格式化函数，它可以将大数字转换为更易读的形式（如1B表示10亿）。我们将这个格式化器应用到x轴和y轴，然后使用get_major_formatter()方法来验证设置。

14. 在极坐标图中使用格式化器

格式化器不仅可以用于笛卡尔坐标系，也可以用于其他类型的图表，如极坐标图。让我们看一个在极坐标图中使用格式化器的例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def degree_formatter(x, pos):
    return f"{x}°"

fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
r = np.linspace(0, 1, 100)
theta = 2 * np.pi * r

ax.plot(theta, r)

# 设置角度格式化器
formatter = FuncFormatter(degree_formatter)
ax.xaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
current_formatter = ax.xaxis.get_major_formatter()
print(f"当前角度轴主刻度格式化器: {current_formatter}")

plt.title("how2matplotlib.com - Polar Plot Formatter")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个极坐标图，并为角度轴设置了一个自定义的格式化器，将弧度转换为度数。我们使用get_major_formatter()方法来验证设置的格式化器。

15. 在3D图中使用格式化器

Axis.get_major_formatter()方法同样适用于3D图表。让我们看一个在3D图中使用格式化器的例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import FuncFormatter

def custom_formatter(x, pos):
    return f"[{x:.1f}]"

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 生成一些3D数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 绘制3D表面
surf = ax.plot_surface(X, Y, Z)

# 设置自定义格式化器
formatter = FuncFormatter(custom_formatter)
ax.xaxis.set_major_formatter(formatter)
ax.yaxis.set_major_formatter(formatter)
ax.zaxis.set_major_formatter(formatter)

# 获取并打印当前格式化器
x_formatter = ax.xaxis.get_major_formatter()
y_formatter = ax.yaxis.get_major_formatter()
z_formatter = ax.zaxis.get_major_formatter()
print(f"X轴主刻度格式化器: {x_formatter}")
print(f"Y轴主刻度格式化器: {y_formatter}")
print(f"Z轴主刻度格式化器: {z_formatter}")

plt.title("how2matplotlib.com - 3D Plot Formatter")
plt.show()
Python

Output:

Matplotlib中的Axis.get_major_formatter()函数：轻松获取和自定义坐标轴格式

在这个例子中，我们创建了一个3D表面图，并为x、y、z三个轴设置了相同的自定义格式化器。我们使用get_major_formatter()方法来验证每个轴的格式化器设置。

总结

通过本文，我们深入探讨了Matplotlib中的Axis.get_major_formatter()函数及其相关应用。我们学习了如何获取、设置和自定义坐标轴的格式化器，以及如何在不同类型的图表中应用这些技术。

格式化器是Matplotlib中非常强大的工具，它们允许我们精确控制数据在图表中的显示方式。通过合理使用格式化器，我们可以大大提高图表的可读性和美观度。

无论是处理简单的2D图表，还是复杂的3D可视化，了解如何使用get_major_formatter()和相关的格式化器方法都是非常有价值的。这些技能将帮助你创建更专业、更有洞察力的数据可视化。

记住，选择合适的格式化器取决于你的数据类型和可视化目标。不要害怕尝试不同的格式化器，或者创建自定义的格式化器来满足你的特定需求。通过实践和探索，你将能够充分利用Matplotlib的强大功能，创建出令人印象深刻的数据可视化作品。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程

登录

找回密码？

注册