Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签|极客教程

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

参考：Matplotlib.axis.Axis.set_ticklabels() 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。在数据可视化过程中，坐标轴的刻度标签是一个重要的组成部分，它们帮助读者理解图表中数据的具体含义和范围。Matplotlib.axis.Axis.set_ticklabels()函数是一个强大的工具，允许用户自定义坐标轴的刻度标签，从而创建更加清晰、信息丰富的图表。本文将深入探讨set_ticklabels()函数的用法、参数和应用场景，帮助读者掌握这一重要的可视化技巧。

1. set_ticklabels()函数简介

set_ticklabels()函数是Matplotlib库中Axis对象的一个方法，用于设置坐标轴的刻度标签。这个函数允许用户替换默认的刻度标签，使用自定义的文本或符号来表示坐标轴上的位置。通过使用set_ticklabels()，我们可以更好地控制图表的外观和信息传递效果。

以下是一个简单的示例，展示了如何使用set_ticklabels()函数：

import matplotlib.pyplot as plt

# 创建一个简单的折线图
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])

# 获取当前坐标轴对象
ax = plt.gca()

# 设置x轴的刻度标签
ax.xaxis.set_ticklabels(['One', 'Two', 'Three', 'Four'])

# 添加标题
plt.title('Custom Tick Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个简单的折线图，然后使用set_ticklabels()函数将x轴的刻度标签替换为自定义的文本。

2. set_ticklabels()函数的参数

set_ticklabels()函数接受以下参数：

labels：一个字符串列表或类数组对象，包含要显示的新刻度标签。
fontdict：可选参数，一个字典，用于控制标签文本的字体属性。
minor：布尔值，默认为False。如果设置为True，则设置次要刻度的标签。

让我们通过一个示例来详细了解这些参数的使用：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.arange(5)
y = x ** 2

# 创建图表
fig, ax = plt.subplots()
ax.plot(x, y)

# 设置主要刻度标签
ax.xaxis.set_ticklabels(['A', 'B', 'C', 'D', 'E'], 
                        fontdict={'fontsize': 14, 'color': 'red'})

# 设置次要刻度标签
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.5))
ax.xaxis.set_minor_formatter(plt.FixedFormatter(['a', 'b', 'c', 'd', 'e']))
ax.xaxis.set_ticklabels(['a', 'b', 'c', 'd', 'e'], minor=True)

# 添加标题
plt.title('Custom Major and Minor Tick Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们为x轴设置了自定义的主要刻度标签和次要刻度标签。主要刻度标签使用大写字母，并通过fontdict参数设置了字体大小和颜色。次要刻度标签使用小写字母，并通过minor参数设置。

3. 使用set_ticklabels()自定义数值标签

有时，我们可能需要将数值型的刻度标签转换为更易读的格式。set_ticklabels()函数可以帮助我们实现这一目标。以下是一个示例，展示如何将大数字转换为更易读的格式：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.arange(5)
y = [1000000, 2000000, 3000000, 4000000, 5000000]

# 创建图表
fig, ax = plt.subplots()
ax.bar(x, y)

# 定义一个函数来格式化大数字
def format_number(num):
    return f'{num/1000000:.1f}M'

# 获取当前的刻度位置
ticks = ax.get_yticks()

# 设置新的刻度标签
ax.yaxis.set_ticklabels([format_number(tick) for tick in ticks])

# 添加标题
plt.title('Formatted Number Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个柱状图，y轴的数值范围很大。通过使用set_ticklabels()函数和自定义的格式化函数，我们将y轴的刻度标签转换为更易读的”百万”格式。

4. 使用set_ticklabels()添加单位

在科学和工程图表中，为刻度标签添加单位是一种常见的需求。set_ticklabels()函数可以轻松实现这一点。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 11)
y = x ** 2

# 创建图表
fig, ax = plt.subplots()
ax.plot(x, y)

# 获取当前的x轴刻度位置和标签
xticks = ax.get_xticks()
xticklabels = ax.get_xticklabels()

# 为x轴刻度标签添加单位
ax.xaxis.set_ticklabels([f'{float(label.get_text()):.1f} s' for label in xticklabels])

# 获取当前的y轴刻度位置和标签
yticks = ax.get_yticks()
yticklabels = ax.get_yticklabels()

# 为y轴刻度标签添加单位
ax.yaxis.set_ticklabels([f'{float(label.get_text()):.1f} m' for label in yticklabels])

# 添加标题
plt.title('Adding Units to Tick Labels - how2matplotlib.com')

# 显示图表
plt.show()

在这个例子中，我们为x轴和y轴的刻度标签分别添加了”秒”和”米”的单位。这种方法可以使图表更加清晰，读者可以直接从刻度标签中获取单位信息。

5. 使用set_ticklabels()旋转刻度标签

当刻度标签较长或者数量较多时，它们可能会重叠或难以阅读。在这种情况下，旋转刻度标签是一个有效的解决方案。虽然set_ticklabels()函数本身不直接提供旋转功能，但我们可以结合其他方法来实现这一效果。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
values = np.random.rand(5)

# 创建图表
fig, ax = plt.subplots()
ax.bar(categories, values)

# 设置x轴刻度标签并旋转
ax.set_xticklabels(categories, rotation=45, ha='right')

# 调整布局以防止标签被切off
plt.tight_layout()

# 添加标题
plt.title('Rotated Tick Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个柱状图，x轴的类别名称较长。通过使用set_xticklabels()函数（set_ticklabels()的一个变体）并设置rotation参数，我们将x轴的刻度标签旋转了45度，使其更易阅读。

6. 使用set_ticklabels()创建双轴图表

在某些情况下，我们可能需要在同一个图表中显示两个不同尺度的数据集。这时，创建双轴图表是一个很好的解决方案。set_ticklabels()函数可以帮助我们为每个轴设置适当的刻度标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(x)

# 创建图表和第一个y轴
fig, ax1 = plt.subplots()
ax1.plot(x, y1, 'b-')
ax1.set_xlabel('X axis')
ax1.set_ylabel('Sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建第二个y轴
ax2 = ax1.twinx()
ax2.plot(x, y2, 'r-')
ax2.set_ylabel('Exp(x)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 自定义第一个y轴的刻度标签
ax1.yaxis.set_ticklabels([f'{tick:.2f}' for tick in ax1.get_yticks()])

# 自定义第二个y轴的刻度标签
ax2.yaxis.set_ticklabels([f'{tick:.0f}' for tick in ax2.get_yticks()])

# 添加标题
plt.title('Dual Axis Chart - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个双轴图表，左侧y轴显示sin(x)函数，右侧y轴显示exp(x)函数。通过使用set_ticklabels()函数，我们为两个y轴设置了不同格式的刻度标签，以更好地适应各自的数据范围。

7. 使用set_ticklabels()创建分类刻度

在处理分类数据时，我们可能需要使用非数值的刻度标签。set_ticklabels()函数非常适合这种情况。以下是一个示例，展示如何创建一个热力图并使用自定义的分类刻度标签：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.rand(5, 5)
row_labels = ['A', 'B', 'C', 'D', 'E']
col_labels = ['Category 1', 'Category 2', 'Category 3', 'Category 4', 'Category 5']

# 创建热力图
fig, ax = plt.subplots()
im = ax.imshow(data)

# 设置刻度和标签
ax.set_xticks(np.arange(len(col_labels)))
ax.set_yticks(np.arange(len(row_labels)))
ax.set_xticklabels(col_labels)
ax.set_yticklabels(row_labels)

# 旋转x轴标签以防止重叠
plt.setp(ax.get_xticklabels(), rotation=45, ha="right", rotation_mode="anchor")

# 添加颜色条
cbar = ax.figure.colorbar(im, ax=ax)
cbar.ax.set_ylabel("Value", rotation=-90, va="bottom")

# 添加标题
plt.title('Heatmap with Categorical Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个热力图，并使用set_xticklabels()和set_yticklabels()函数为x轴和y轴设置了分类标签。这种方法使得热力图更加直观，读者可以直接看到每个单元格对应的类别。

8. 使用set_ticklabels()创建日期刻度

在处理时间序列数据时，我们可能需要在坐标轴上显示日期。虽然Matplotlib提供了专门的日期处理工具，但set_ticklabels()函数也可以用来自定义日期刻度的显示格式。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np
from datetime import datetime, timedelta

# 创建日期数据
start_date = datetime(2023, 1, 1)
dates = [start_date + timedelta(days=i) for i in range(10)]
values = np.random.rand(10)

# 创建图表
fig, ax = plt.subplots()
ax.plot(dates, values)

# 设置x轴刻度
ax.set_xticks(dates)

# 自定义日期格式
date_labels = [date.strftime('%Y-%m-%d') for date in dates]
ax.xaxis.set_ticklabels(date_labels, rotation=45, ha='right')

# 添加标题
plt.title('Time Series with Custom Date Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个时间序列图，并使用set_ticklabels()函数自定义了x轴的日期格式。这种方法允许我们精确控制日期的显示方式，以满足特定的需求。

9. 使用set_ticklabels()创建对数刻度

在处理跨越多个数量级的数据时，对数刻度是一个有用的工具。虽然Matplotlib提供了内置的对数刻度功能，但我们也可以使用set_ticklabels()函数来自定义对数刻度的显示方式。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.logspace(0, 5, 6)
y = x ** 2

# 创建图表
fig, ax = plt.subplots()
ax.plot(x, y)

# 设置对数刻度
ax.set_xscale('log')
ax.set_yscale('log')

# 自定义x轴刻度标签
x_ticks = ax.get_xticks()
ax.xaxis.set_ticklabels([f'10^{int(np.log10(tick))}' for tick in x_ticks])

# 自定义y轴刻度标签
y_ticks = ax.get_yticks()
ax.yaxis.set_ticklabels([f'10^{int(np.log10(tick))}' for tick in y_ticks])

# 添加标题
plt.title('Custom Logarithmic Scale Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个对数-对数图，并使用set_ticklabels()函数自定义了x轴和y轴的刻度标签。这种方法允许我们以更直观的方式显示指数，使图表更易于理解。

10. 使用set_ticklabels()创建极坐标图

极坐标图是另一种常见的图表类型，特别适用于显示周期性数据或方向数据。set_ticklabels()函数可以用来自定义极坐标图的角度标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r

# 创建极坐标图
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
ax.plot(theta, r)

# 自定义角度标签
angles = np.arange(0, 360, 45)
ax.set_thetagrids(angles)
ax.set_xticklabels(['N', 'NE', 'E', 'SE', 'S', 'SW', 'W', 'NW'])

# 添加标题
plt.title('Polar Plot with Custom Angle Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个极坐标图，并使用set_xticklabels()函数（在极坐标系中等同于set_thetaticklabels()）来自定义角度标签。我们将数值角度替换为方向标签，使图表更加直观。

11. 使用set_ticklabels()创建堆叠条形图

堆叠条形图是一种有效的方式来显示多个类别的组成部分。使用set_ticklabels()函数，我们可以为这种图表类型创建自定义的刻度标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
categories = ['Category A', 'Category B', 'Category C', 'Category D']
men_means = [20, 35, 30, 35]
women_means = [25, 32, 34, 20]
men_std = [2, 3, 4, 1]
women_std = [3, 5, 2, 3]

# 创建堆叠条形图
fig, ax = plt.subplots()
width = 0.35
ax.bar(categories, men_means, width, yerr=men_std, label='Men')
ax.bar(categories, women_means, width, yerr=women_std, bottom=men_means, label='Women')

# 自定义y轴刻度标签
y_ticks = ax.get_yticks()
ax.yaxis.set_ticklabels([f'{int(tick)}%' for tick in y_ticks])

# 添加图例和标题
ax.set_ylabel('Percentage')
ax.set_title('Stacked Bar Chart - how2matplotlib.com')
ax.legend()

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个堆叠条形图，显示了不同类别中男性和女性的比例。通过使用set_ticklabels()函数，我们为y轴添加了百分比符号，使数据的含义更加明确。

12. 使用set_ticklabels()创建箱线图

箱线图是一种用于显示数据分布的重要统计图表。使用set_ticklabels()函数，我们可以为箱线图的类别轴添加自定义标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
np.random.seed(10)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
fig, ax = plt.subplots()
bp = ax.boxplot(data)

# 自定义x轴刻度标签
ax.set_xticklabels(['Low\nVariance', 'Medium\nVariance', 'High\nVariance'])

# 自定义y轴刻度标签
y_ticks = ax.get_yticks()
ax.yaxis.set_ticklabels([f'{tick:.1f}σ' for tick in y_ticks])

# 添加标题
plt.title('Box Plot with Custom Labels - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个箱线图，显示了三组不同方差的数据分布。通过使用set_xticklabels()函数，我们为x轴添加了描述性的标签。同时，我们还使用set_ticklabels()函数为y轴添加了标准差单位。

13. 使用set_ticklabels()创建雷达图

雷达图（也称为蜘蛛图或星图）是一种用于显示多变量数据的图表类型。使用set_ticklabels()函数，我们可以为雷达图的各个轴添加自定义标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
categories = ['Speed', 'Power', 'Accuracy', 'Agility', 'Stamina']
values = [4, 4, 5, 3, 2]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 闭合多边形
values = np.concatenate((values, [values[0]]))
angles = np.concatenate((angles, [angles[0]]))

# 创建极坐标图
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
ax.plot(angles, values)
ax.fill(angles, values, alpha=0.25)

# 设置角度刻度
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)

# 设置径向刻度
ax.set_yticks([1, 2, 3, 4, 5])
ax.set_yticklabels(['1', '2', '3', '4', '5'])

# 添加标题
plt.title('Radar Chart - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个雷达图，显示了一个对象在五个不同属性上的评分。通过使用set_xticklabels()函数，我们为每个轴添加了描述性的标签。同时，我们还使用set_yticklabels()函数为径向刻度添加了数值标签。

14. 使用set_ticklabels()创建热力图

热力图是一种用于可视化矩阵数据的有效方法。使用set_ticklabels()函数，我们可以为热力图的行和列添加自定义标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data = np.random.rand(10, 12)
row_labels = ['Row ' + str(i) for i in range(1, 11)]
col_labels = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']

# 创建热力图
fig, ax = plt.subplots(figsize=(12, 8))
im = ax.imshow(data)

# 设置刻度位置和标签
ax.set_xticks(np.arange(len(col_labels)))
ax.set_yticks(np.arange(len(row_labels)))
ax.set_xticklabels(col_labels)
ax.set_yticklabels(row_labels)

# 旋转x轴标签
plt.setp(ax.get_xticklabels(), rotation=45, ha="right", rotation_mode="anchor")

# 添加颜色条
cbar = ax.figure.colorbar(im, ax=ax)
cbar.ax.set_ylabel("Value", rotation=-90, va="bottom")

# 添加标题
plt.title('Heatmap with Custom Labels - how2matplotlib.com')

# 调整布局
plt.tight_layout()

# 显示图表
plt.show()

Output:

Matplotlib中的Axis.set_ticklabels()函数：自定义坐标轴刻度标签

在这个例子中，我们创建了一个热力图，显示了10行和12列的随机数据。通过使用set_xticklabels()和set_yticklabels()函数，我们为行和列添加了自定义标签，使热力图更加易于理解。

15. 使用set_ticklabels()创建3D图表

Matplotlib也支持创建3D图表，我们可以使用set_ticklabels()函数来自定义3D图表的轴标签。以下是一个示例：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
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))

# 创建3D图表
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# 自定义x轴刻度标签
x_ticks = ax.get_xticks()
ax.set_xticklabels([f'{tick:.1f}π' for tick in x_ticks/np.pi])

# 自定义y轴刻度标签
y_ticks = ax.get_yticks()
ax.set_yticklabels([f'{tick:.1f}π' for tick in y_ticks/np.pi])

# 自定义z轴刻度标签
z_ticks = ax.get_zticks()
ax.set_zticklabels([f'{tick:.2f}' for tick in z_ticks])

# 添加颜色条
fig.colorbar(surf, shrink=0.5, aspect=5)

# 添加标题
plt.title('3D Surface Plot - how2matplotlib.com')

# 显示图表
plt.show()