小瓜讲matplotlib高级篇——坐标轴设置（坐标轴居中、坐标轴箭头、刻度设置、标识设置）

问题

我们在用matplotlib绘制图的时候总是有各种需求，比如下图为matplotlib默认设置画的正弦图

但是我们的心中想要达到的目标图为下图，那么就需要对坐标轴进行设置。

解决方案

这里要介绍matplotlib绘图辅助工具包mpl_toolkits，里面包含了一系列对于坐标轴设置的方法。
首先导入辅助工具包里面的轴系设置包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist
#导入辅助工具包里面的坐标轴系设置方法axisartist

新建画板，添加绘图区

fig = plt.figure('Sine Wave', (10,8))
#figure(num, figsize, dpi, facecolor, edgecolor, frameon, FigureClass, clear)
#新建了一个画板（画图视窗）
ax = axisartist.Subplot(fig, 1,1,1)
fig.add_axes(ax)
#新建一个轴系图（绘图区）对象ax,并添加到画板中

隐藏默认坐标轴（上下左右边框），并新建坐标轴X-Y，同时设置刻度标识方向

ax.axis[:].set_visible(False)
#
ax.axis["x"] = ax.new_floating_axis(0, 0)
ax.axis["y"] = ax.new_floating_axis(1, 0)
#new_floating_axis(self, nth_coord, value, axis_direction='bottom')
#新建可移动的坐标轴
ax.axis["x"].set_axis_direction('top')
ax.axis["y"].set_axis_direction('left')

创建坐标轴的方法有两种：

1. new_fixed_axis(self, loc, offset=None)
2. new_floating_axis(self, nth_coord, value, axis_direction=‘bottom’)
   ①：nth_coord: 坐标轴方向，0代表X方向，1代表Y方向
   ②：value:坐标轴处于位置，如果是平行与X轴的新坐标轴，则代表Y位置（即通过（0，value）），如果是平行与Y轴的新坐标轴，则代表X位置（即通过（value，0））。
   ③：axis_direction：代表刻度标识字的方向，可选[‘top’, ‘bottom’, ‘left’, ‘right’]

其中new_floating_axis()相对更加灵活，本节中采用new_floating_axis()方法来设置坐标轴位置。

加上坐标轴箭头，设置刻度标识位置

ax.axis["x"].set_axisline_style("->", size = 2.0)
ax.axis["y"].set_axisline_style("->", size = 2.0)
ax.axis["x"].set_axis_direction('top')
ax.axis["y"].set_axis_direction('left')

画上y=sin(t)折线图，设置刻度范围，设置刻度标识，设置坐标轴位置

t = np.linspace(0, 2*np.pi)
y = np.sin(t)
ax.plot(t, y, color = 'red', linewidth = 2)
plt.title('y = 2sin(2t)',fontsize = 14, pad = 20)
#
ax.set_xticks(np.linspace(0.25,1.25,5)*np.pi)
ax.set_xticklabels(['$\\frac{\pi}{4}$','$\\frac{\pi}{2}$', '$\\frac{3\pi}{4}$', '$\pi$', '$\\frac{5\pi}{4}$', '$\\frac{3\pi}{2}$'])
ax.set_yticks([0, 1, 2])
#设置刻度标识显示
ax.set_xlim(-0.5*np.pi,1.5*np.pi)
ax.set_ylim(-2, 2)
plt.show()

在matplotlib中公式打印可以使用Latex格式。

由于在新建坐标轴中设定了轴的通过点，所以通过设置坐标轴范围，可以间接移动坐标轴在图中的位置（一般放在最后作为最后的设定，如果放在前面，可能后续有方法使得值域超过该范围，系统会自动适应，导致显示不能达到我们的预想）。

运行结果如下，完美O(∩_∩)O。

代码附录

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist

fig = plt.figure('Sine Wave', (10,8))

ax = axisartist.Subplot(fig, 1,1,1)
fig.add_axes(ax)

ax.axis[:].set_visible(False)

ax.axis["x"] = ax.new_floating_axis(0, 0)
ax.axis["y"] = ax.new_floating_axis(1, 0)
ax.axis["x"].set_axis_direction('top')
ax.axis["y"].set_axis_direction('left')
ax.axis["x"].set_axisline_style("->", size = 2.0)
ax.axis["y"].set_axisline_style("->", size = 2.0)

t = np.linspace(0, 1*np.pi)
y = 2*np.sin(2*t)
ax.plot(t, y, color = 'red', linewidth = 2)
plt.title('y = 2sin(2t)',fontsize = 14, pad = 20)

ax.set_xticks(np.linspace(0.25,1.25,5)*np.pi)
ax.set_xticklabels(['$\\frac{\pi}{4}$','$\\frac{\pi}{2}$', '$\\frac{3\pi}{4}$', '$\pi$', '$\\frac{5\pi}{4}$', '$\\frac{3\pi}{2}$'])
ax.set_yticks([0, 1, 2])

ax.set_xlim(-0.5*np.pi,1.5*np.pi)
ax.set_ylim(-2.2, 2.2)

plt.show()

文章导引列表：

机器学习

1. 小瓜讲机器学习——分类算法（一）logistic regression(逻辑回归)算法原理详解
2. 小瓜讲机器学习——分类算法（二）支持向量机（SVM）算法原理详解
3. 小瓜讲机器学习——分类算法（三）朴素贝叶斯法（naive Bayes）
4. 小瓜讲机器学习——分类算法（四）K近邻法算法原理及Python代码实现
5. 小瓜讲机器学习——分类算法（五）决策树算法原理及Python代码实现
6. 小瓜讲机器学习——聚类算法（一）K-Means算法原理Python代码实现
7. 小瓜讲机器学习——聚类算法（二）Mean Shift算法原理及Python代码实现
8. 小瓜讲机器学习——聚类算法（三）DBSCAN算法原理及Python代码实现

---

数据分析

1. 小呆学数据分析——使用pandas中的merge函数进行数据集合并
2. 小呆学数据分析——使用pandas中的concat函数进行数据集堆叠
3. 小呆学数据分析——pandas中的层次化索引
4. 小呆学数据分析——使用pandas的pivot进行数据重塑
5. 小呆学数据分析——用duplicated/drop_duplicates方法进行重复项处理
6. 小呆学数据分析——缺失值处理（一）
7. 小呆学数据分析——异常值判定与处理（一）
8. 小瓜讲数据分析——数据清洗

---

数据可视化

1. 小瓜讲数据分析——数据可视化工程（matplotlib库使用基础篇）
2. 小瓜讲matplotlib高级篇——坐标轴设置（坐标轴居中、坐标轴箭头、刻度设置、标识设置）