Question

我知道可以手动设置轴标签来更改轴标签。（例如：Modify tick label text）

然而，这显然只有在你知道你想要什么标签的情况下才有效，但对我来说并非如此。

以下是我想要完成的一个例子：我有两个numpy数组：x包含1到366之间的数字（但不一定是所有数字），代表2016年的几天。＆＃39; y＆＃39;包含一些其他数字。我想做一个散布情节＆＃39; y＆＃39;与＆＃39; x＆＃39;：

import numpy as np
import matplotlib.pyplot as plt
x = np.array([27, 38, 100, 300])
y = np.array([0.5, 2.5, 1.0, 0.8])
plt.scatter(x, y)

不出所料，这会生成一个刻度为0,50,100，...，350的图表。我想将这些刻度标签更改为各个日期。（例如，50的刻度将被标记为＆＃39; 2月19日＆＃39;。）假设我有一个函数tick_to_date，它可以将数字0转换为日期字符串，所以它是我可以手动更改图表中的所有刻度。（如果您需要占位符函数：tick_to_date = lambda x: ("day " + str(x))）

ax = plt.gca()
ax.set_xticklabels([tick_to_date(tick.get_text()) for tick in ax.get_xticklabels()])

然而，这只做了一次。如果我现在放大，或采取任何改变滴答的行动，新的刻度标签将不会是我想要的。

理想情况下，我不是手动设置标签，而是告诉轴始终使用我自己的tick_to_date函数转换刻度标签。或者，每次更改刻度时调用上面的代码行，但我不确定它是否会如此有效。这些中的任何一个是可行的/可行的/愉快的吗？

Answer 1

如果我真的理解你的问题，你正在寻找来自matplotlib.ticker的function formatter：

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

# I added 'y' to fit second argument (position) of FuncFormatter
tick_to_date = lambda x,y: ("day " + str(x))

x = np.array([27, 38, 100, 300])
y = np.array([0.5, 2.5, 1.0, 0.8])
plt.scatter(x, y)

ax = plt.gca()
# tick_to_date will affect all tick labels through MyFormatter
myFormatter = ticker.FuncFormatter(tick_to_date)
# apply formatter for selected axis
ax.xaxis.set_major_formatter(myFormatter)
plt.show()

Matplotlib：自动修改轴标签

1 个答案: