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'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?
答案 0 :(得分:0)
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))
答案 1 :(得分:0)
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()