在matplotlib中使用科学记数法时定位刻度标签的指数

Question

我正在寻找一种在使用科学记数法时改变轴上指数位置的方法。我已经几次遇到这个问题了。我已经知道默认格式化程序是ScalarFormatter但它无法以某种方式访问​​指数。

有一个workaround，但我不喜欢它，因为它还操纵现有的ticklabels。到目前为止，我发现，由轴返回的列表＆＃39;如果使用科学记数法，get_xmajorticklabels()方法包含更多文本对象。例如：

import matplotlib.pyplot as plt
import numpy as np

fig= plt.figure(figsize = plt.figaspect(0.5))
ax1= fig.add_subplot(121)
ax1.plot(np.arange(146), np.random.rand(146))
print(ax1.get_xmajorticklabels())

ax2= fig.add_subplot(122)
ax2.plot(np.arange(146)*1e-6, np.random.rand(146))
print(ax2.get_xmajorticklabels())

打印件提供：<a list of 9 Text xticklabel objects>和<a list of 10 Text xticklabel objects> 所以我认为附加列表项可以是指数的文本对象。但是当我打印文本时，它是空的。

有没有办法将此指数作为文本对象访问？然后它应该可以设置它的位置，不是吗？

Answer 1

要访问Text objects列表，您可以使用该类的方法，例如get_text()：

print([s.get_text() for s in ax2.get_xmajorticklabels()])

然而，结果是

<a list of 9 Text xticklabel objects>
[u'', u'', u'', u'', u'', u'', u'', u'', u'']
<a list of 10 Text xticklabel objects>
[u'', u'', u'', u'', u'', u'', u'', u'', u'', u'']

运行fig.tight_layout()后，现在可以枚举这些Text xticklabel objects的输出：

<a list of 9 Text xticklabel objects>
[(0.0, 0), (20.0, 0), (40.0, 0), (60.0, 0), (80.0, 0), (100.0, 0), (120.0, 0), (140.0, 0), (160.0, 0)]

<a list of 10 Text xticklabel objects>
[(0.0, 0), (2.0000000000000002e-05, 0), (4.0000000000000003e-05, 0), (6.0000000000000008e-05, 0), (8.0000000000000007e-05, 0), (0.0001, 0), (0.00012000000000000002, 0), (0.00014000000000000001, 0), (0.00016000000000000001, 0), (0, 0)]

对于像-7这样的指数，两个列表中的对象数量实际上相同。

我找到的用于定位标签的最接近方法是详细here by Scott。遗憾的是，它只能在x轴上水平工作，在y轴上垂直工作，因此你无法在图表上任意定位标签。

ax2.get_xaxis().get_offset_text().set_position((0.5,0))

Answer 2

我的解决方法是这样的：

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

fig = plt.figure(figsize = plt.figaspect(0.5))
ax1 = fig.add_subplot(121)
ax1.plot(np.arange(146), 1e+5*np.random.rand(146))
yfmt = ticker.ScalarFormatter(useMathText=True)
yfmt.set_powerlimits((3, 4))
ax1.yaxis.set_major_formatter(yfmt)
ax1.ticklabel_format(style='sci', axis='y', scilimits=(0,0))
ax1.get_yaxis().get_offset_text().set_visible(False)
ax_max = max(ax1.get_yticks())
exponent_axis = np.floor(np.log10(ax_max)).astype(int)
ax1.annotate(r'$\times$10$^{%i}$'%(exponent_axis),
             xy=(.01, .96), xycoords='axes fraction')

ax2 = fig.add_subplot(122)
ax2.plot(np.arange(146)*1e-6, np.random.rand(146))
yfmt = ticker.ScalarFormatter(useMathText=True)
yfmt.set_powerlimits((-6, -5))
ax2.xaxis.set_major_formatter(yfmt)
ax2.ticklabel_format(style='sci', axis='x', scilimits=(0,0))
ax2.get_xaxis().get_offset_text().set_visible(False)
ax_max = max(ax2.get_xticks())
exponent_axis = np.floor(np.log10(ax_max)).astype(int)
ax2.annotate(r'$\times$10$^{%i}$'%(exponent_axis),
             xy=(.89, .01), xycoords='axes fraction')

plt.tight_layout()
plt.show()