Matplotlib: добавить строки как пользовательские x-тики, но также сохранить существующие (числовые) метки тиков? Альтернативы библиотек matplotlib.pyplot.аннотировать?

Я пытаюсь создать график, и у меня есть некоторые проблемы с его аннотацией.

мой график имеет масштаб журнала на оси x, показывая время. То, что я хочу сделать,-это сохранить существующие (но не предсказуемые) числовые метки тиков на 100 единиц, 1000 единиц, 10000 единиц и т. д., а также добавить пользовательские метки тиков к оси x, которые дают понять, где происходят более "читаемые человеком" временные интервалы-например, я хочу иметь возможность помечать "одну неделю", "один месяц", "6 месяцев" и т. д.

Я могу использовать matplotlib.pyplot.annotate (), чтобы отметить точки, но на самом деле он не делает то, что я хочу. Я действительно не хочу текст и стрелки на мой график, я просто хочу добавить несколько дополнительных пользовательских отметок. Есть идеи?

4 ответов


Если вы действительно хотите добавить дополнительные тики, вы можете получить существующие с помощью axis.xaxis.get_majorticklocs() добавить все, что вы хотите добавить, а затем выберите клещей с помощью axis.xaxis.set_ticks(<your updated array>).

альтернативой было бы добавить вертикальные линии используя axvline. Преимущество заключается в том, что вам не нужно беспокоиться о вставке пользовательского тика в существующий массив, но вам придется аннотировать строки вручную.

еще одной альтернативой было бы добавить связанную ось с вашей пользовательские тики.


от http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.xticks:

# return locs, labels where locs is an array of tick locations and
# labels is an array of tick labels.
locs, labels = xticks()

таким образом, все, что вам нужно сделать, это получить locs и labels и затем изменить labels по своему вкусу (фиктивный пример):

labels = ['{0} (1 day)','{0} (1 weak)', '{0} (1 year)']
new_labels = [x.format(locs[i]) for i,x  in enumerate(labels)]

и затем выполнить:

xticks(locs, new_labels)

Это мое решение. Основными преимуществами являются:

  • вы можете указать оси (полезно для двух осей или при работе с несколькими осями одновременно)
  • вы можете указать ось (поставить галочки на оси x или Y)
  • вы можете легко добавлять новые тики, сохраняя при этом автоматические
  • он автоматически заменяет, если вы добавляете галочку, которая уже существует.

код:

#!/usr/bin/python
from __future__ import division
import matplotlib.pyplot as plt
import numpy as np

#Function to add ticks
def addticks(ax,newLocs,newLabels,pos='x'):
    # Draw to get ticks
    plt.draw()

    # Get existing ticks
    if pos=='x':
        locs = ax.get_xticks().tolist()
        labels=[x.get_text() for x in ax.get_xticklabels()]
    elif pos =='y':
        locs = ax.get_yticks().tolist()
        labels=[x.get_text() for x in ax.get_yticklabels()]
    else:
        print("WRONG pos. Use 'x' or 'y'")
        return

    # Build dictionary of ticks
    Dticks=dict(zip(locs,labels))

    # Add/Replace new ticks
    for Loc,Lab in zip(newLocs,newLabels):
        Dticks[Loc]=Lab

    # Get back tick lists
    locs=list(Dticks.keys())
    labels=list(Dticks.values())

    # Generate new ticks
    if pos=='x':
        ax.set_xticks(locs)
        ax.set_xticklabels(labels)
    elif pos =='y':
        ax.set_yticks(locs)
        ax.set_yticklabels(labels)


#Get numpy arrays
x=np.linspace(0,2)
y=np.sin(4*x)

#Start figure
fig = plt.figure()
ax=fig.add_subplot(111)

#Plot Arrays
ax.plot(x,y)
#Add a twin axes
axr=ax.twinx()

#Add more ticks
addticks(ax,[1/3,0.75,1.0],['1/3','3/4','Replaced'])
addticks(axr,[0.5],['Miguel'],'y')

#Save figure
plt.savefig('MWE.pdf')  

мне нравится ответ выше Мигеля. Работать достаточно хорошо. Однако необходимо внести небольшие коррективы. Следующее:

# Get back tick lists
locs=Dticks.keys()
labels=Dticks.values()

необходимо изменить на

# Get back tick lists
locs=list(Dticks.keys())
labels=list(Dticks.values())

Так, в Python 2.7+/3, дикт.ключи () и дикт.values () возвращает объекты dict_keys и dict_values, которые matplotlib не любит (по-видимому). Подробнее об этих двух объектах в PEP 3106.