绘制对数轴

问题描述：

我想使用 matplotlib 绘制一个具有一个对数轴的图形。

示例程序：

import matplotlib.pyplot as plt
a = [pow(10, i) for i in range(10)]  # exponential
fig = plt.figure()
ax = fig.add_subplot(2, 1, 1)

line, = ax.plot(a, color='blue', lw=2)
plt.show()

解决方案 1：

您可以使用该Axes.set_yscale方法。该方法允许您在创建对象后更改比例Axes。这还允许您构建一个控件，让用户在需要时选择比例。

要添加的相关行是：

ax.set_yscale('log')

您可以使用'linear'切换回线性比例。您的代码如下所示：

import pylab
import matplotlib.pyplot as plt
a = [pow(10, i) for i in range(10)]
fig = plt.figure()
ax = fig.add_subplot(2, 1, 1)

line, = ax.plot(a, color='blue', lw=2)

ax.set_yscale('log')

pylab.show()

解决方案 2：

pylab首先，混合和编码不太整洁pyplot。此外，pyplot 风格比使用 pylab 更受欢迎。

以下是稍微整理过的代码，仅使用pyplot函数：

from matplotlib import pyplot

a = [ pow(10,i) for i in range(10) ]

pyplot.subplot(2,1,1)
pyplot.plot(a, color='blue', lw=2)
pyplot.yscale('log')
pyplot.show()

相关函数是pyplot.yscale()。如果您使用面向对象版本，请用方法 替换它。请记住，您还可以使用(或)Axes.set_yscale()更改 X 轴的刻度。pyplot.xscale()`Axes.set_xscale()`

查看我的问题“ 'log' 和 'symlog' 之间有什么区别？”以查看 matplotlib 提供的一些图形比例示例。

解决方案 3：

如果你想改变对数的底数，只需添加：

plt.yscale('log',base=2) 

在 Matplotlib 3.3 之前，你必须使用 basex/basey 作为对数的底数

解决方案 4：

您只需要使用符号学而不是情节：

from pylab import *
import matplotlib.pyplot  as pyplot
a = [ pow(10,i) for i in range(10) ]
fig = pyplot.figure()
ax = fig.add_subplot(2,1,1)

line, = ax.semilogy(a, color='blue', lw=2)
show()

解决方案 5：

我知道这有点离题，因为有些评论提到了ax.set_yscale('log')“最好的”解决方案，我认为可能需要反驳。我不建议将其用于ax.set_yscale('log')直方图和条形图。在我的版本 (0.99.1.1) 中，我遇到了一些渲染问题 - 不确定这个问题有多普遍。但是 bar 和 hist 都有可选参数来将 y 比例设置为对数，这很好用。

参考文献：
http ://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.bar

http://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.hist

解决方案 6：

因此，如果你只是使用不太复杂的 API，就像我经常做的那样（我在 ipython 中经常使用它），那么这只是

yscale('log')
plot(...)

希望这能帮助那些寻找简单答案的人！:)。

解决方案 7：

本页提供了几种方法（semilogx、semilogy、loglog），但它们在底层都执行相同的操作，即调用set_xscale('log')（用于 x 轴）和set_yscale('log')（用于 y 轴）。此外，plt.yscale/plt.scale是状态机中的函数，它们对当前 Axes 对象调用set_yscale/ set_xscale。即使对于条形图（以及直方图，因为它们只是条形图），该参数也会根据条形方向log=True调用set_yscale('log')/ 。set_xscale('log')

因此，无论您使用哪一个，它们最终都会调用相同的方法。顺便说一句，除了能够选择日志的基数之外，您还可以在同一个函数调用中设置次要刻度位置（使用subskwarg）。

data = np.random.choice(np.logspace(-0.5, 1, base=20), 10)
plt.plot(data)
plt.yscale('log', base=10, subs=[10**x for x in (0.25, 0.5, 0.75)], nonpositive='mask')
#                          ^^^ <-- 3 equal-spaced minor ticks       ^^^^ mask invalid values