Question

我想在轴上最后一个刻度位置之前和之后留出一些空格。我只会使用axis.set_xlim()，但这会干扰我的（自定义）定位器并重新生成刻度线生成。我找到并覆盖了定位器类的view_limits()方法，但它们似乎没有被自动调用，并且在手动调用时它们对结果图没有任何影响。我搜索了文档和源代码但没有找到解决方案。我错过了什么吗？

为了获得更大的图片，我希望有一个定位器，它在刻度线之前和之后给我一些空间，并选择像“MultipleLocator”那样是“基数”倍数的刻度点，但如果刻度数超过a，则自动缩放基数指定值。如果有另一种方法来实现这一点而没有子类化定位器，我很满意：）。

以下是带有覆盖view_limits的子类定位器的示例代码 - 方法：

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

class MyLocator(MaxNLocator):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)

    def view_limits(self, dmin, dmax):
        bins = self.bin_boundaries(dmin, dmax)
        step = bins[1] - bins[0]
        result = np.array([bins[0] - step, bins[-1] + step])
        print(result)
        return result

a = 10.0
b = 99.0

t = np.arange(a, b, 0.1)
s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)

loc = MyLocator(9)

fig, ax = plt.subplots()
plt.plot(t, s)

ax.xaxis.set_major_locator(loc)
loc.autoscale()  # results in [   0.  110.] but doesnt change the plot
plt.show()

Answer 1

不确定，如果我完全理解你的问题是什么，但如果你只想增加额外的空间，你仍然可以使用MaxNLocator并像这里一样手动添加空间：

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

a = 10.0
b = 99.0

t = np.arange(a, b, 0.1)
s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)

loc = MaxNLocator(9)

fig, ax = plt.subplots()
plt.plot(t, s)

ax.xaxis.set_major_locator(loc)
ticks = ax.get_xticks()
newticks = np.zeros(len(ticks)+2)
newticks[0] = ticks[0]- (ticks[1]-ticks[0])
newticks[-1] = ticks[-1]+ (ticks[1]-ticks[0])
newticks[1:-1] = ticks
ax.set_xticks(newticks)

plt.show()

Answer 2

为避免在图的边缘附近出现刻度线，一种略为棘手的解决方案如下：

class PaddedMaxNLocator(mp.ticker.MaxNLocator):
    def __init__(self, *args, protected_width=0.25, **kwargs):
        # `prune` edge ticks that might now become visible
        super().__init__(*args, **kwargs, prune='both')
        # Clamp to some reasonable range
        self.protected_width = min(0.5, protected_width)

    def tick_values(self, vmin, vmax):
        diff = (vmax - vmin) * self.protected_width / 2
        return super().tick_values(vmin + diff, vmax - diff)

如何在Matplotlib

2 个答案: