极客教程Matplotlib对数图
Matplotlib是一个用于绘制图形的Python库，可以轻松生成线图、柱状图、散点图等多种类型的图表。在Matplotlib中，对数图是一种常见的图表类型，可以将数据在对数坐标轴上展示，更好地展示出数据的特点。
1. 基本对数图
在Matplotlib中，通过设置坐标轴的scale属性为’log’，可以轻松绘制对数图。下面是一个简单的对数图的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.show()
Output:
2. 对数坐标轴设置范围
对数图中的坐标轴可以设置范围，通过设置坐标轴的限制范围，可以更好地展示数据的变化。下面是一个设置对数坐标轴范围的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.ylim(10, 1000)
plt.show()
Output:
3. 对数图中的多条曲线
在对数图中，可以同时绘制多条曲线，展示多组数据的对比情况。下面是一个绘制多条对数曲线的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y1 = np.exp(x)
y2 = np.exp(0.5*x)
plt.figure()
plt.plot(x, y1, label='y1')
plt.plot(x, y2, label='y2')
plt.yscale('log')
plt.legend()
plt.show()
Output:
4. 对数图中的条形图
除了线图，对数图也可以绘制柱状图。下面是一个绘制对数柱状图的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.array([10, 100, 1000, 10000, 100000])
plt.figure()
plt.bar(x, y)
plt.yscale('log')
plt.show()
Output:
5. 对数图的坐标轴标签
对数图中的坐标轴标签可以设置为对数形式，更加清晰地展示数据的大小。下面是一个设置对数坐标轴标签的示例代码：
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import ScalarFormatter
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.gca().yaxis.set_major_formatter(ScalarFormatter())
plt.show()
Output:
6. 对数图中的网格线
对数图中的网格线可以帮助更好地观察数据的分布情况。下面是一个设置对数图网格线的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.grid(which='both')
plt.show()
Output:
7. 对数图中的散点图
对数图不仅可以绘制线图和柱状图，还可以绘制散点图。下面是一个绘制对数散点图的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.random.rand(100)
y = np.random.rand(100)
plt.figure()
plt.scatter(x, y)
plt.xscale('log')
plt.yscale('log')
plt.show()
Output:
8. 对数图中的图例
在对数图中，可以通过添加图例来区分不同的数据系列。下面是一个设置对数图图例的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y1 = np.exp(x)
y2 = np.exp(0.5*x)
plt.figure()
plt.plot(x, y1, label='y1')
plt.plot(x, y2, label='y2')
plt.yscale('log')
plt.legend()
plt.show()
Output:
9. 对数图中的标注
在对数图中，可以通过添加标注来标记数据点或特殊位置，更加清晰地展示数据。下面是一个在对数图中添加标注的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.annotate('Peak', xy=(5, np.exp(5)), xytext=(3, np.exp(6)),
arrowprops=dict(facecolor='black', shrink=0.05))
plt.show()
Output:
10. 对数图中的填充区域
在对数图中，可以通过填充区域来突出数据之间的差异。下面是一个在对数图中添加填充区域的示例代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
y = np.exp(x)
plt.figure()
plt.plot(x, y)
plt.yscale('log')
plt.fill_between(x, y, np.exp(6), where=(y > np.exp(6)), interpolate=True, alpha=0.3)
plt.show()
Output:
通过以上示例代码，我们可以看到在Matplotlib中如何绘制对数图，并且对如何在对数图中添加标签、图例、网格线等有了一定的了解。