第3关 自定义坐标刻度 （educoder

编程要求

在右侧编辑器补充代码，根据file_path读取文件，统计不同二级类的数量做折线图并旋转x坐标轴90度，具体要求如下：

• 图形的figsize为(10, 10)；

• 图形需保存到Task3/img/T1.png。

数据内容如下：

通关代码

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
plt.rcParams['font.sans-serif']=['simhei']
plt.rcParams['font.family']='sans-serif'
plt.rcParams['axes.unicode_minus']=False
def student(file_path):
    # ********* Begin *********#
    plt.figure(figsize=(10,10))
    data=pd.read_csv(file_path)
    a=data.groupby(["二级类"])["二级类"].count()
    plt.plot(a.index,a.values)
    plt.xticks(rotation=90)
    plt.savefig("Task3/img/T1.png")
    plt.show()
    # ********* End *********#

（更多通过代码请点击主页）

---

相关知识

        虽然matplotlib默认的坐标轴定位器与格式生成器可以满足大部分需求，但是并非对每一幅图都合适。

主次要刻度

        学习前最好先对matplotlib图形的对象层级有深入了解。

   matplotlib的figure对象是一个盛放图形元素的包围盒。可以将每个matplotlib对象都看成是子对象的容器，每个figure都包含axes对象，每个axes对象又包含其他表示图形内容的对象，比如xaxis/yaxis，每个属性包含构成坐标轴的线条、刻度和标签的全部属性。

        每一个坐标轴都有主次要刻度，主要刻度要比次要刻度更大更显著，而次要刻度往往更小。

import matplotlib.pyplot as plt
import numpy as np
ax = plt.axes(xscale='log', yscale='log')
plt.show()

        可以看到主要刻度都显示为一个较大的刻度线和标签，而次要刻度都显示为一个较小的可读性，不显示标签。

隐藏刻度与标签

        最常用的刻度/标签格式化操作可能就是隐藏刻度与标签了，可以通过plt.NullLocator()和plt.NullFormatter()实现。

        示例如下：

ax = plt.axes()
ax.plot(np.random.rand(50))
ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())
plt.show()

        这里x轴的标签隐藏了但是保留了刻度线，y轴的刻度和标签都隐藏了。有的图片中都不需要刻度线，比如下面这张包含人脸的图形：

fig, ax = plt.subplots(5, 5, figsize=(5, 5))
fig.subplots_adjust(hspace=0, wspace=0)
# 从scikit-learn获取一些人脸照片数据
from sklearn.datasets import fetch_olivetti_faces
faces = fetch_olivetti_faces().images
for i in range(5):
    for j in range(5):
        ax[i, j].xaxis.set_major_locator(plt.NullLocator())
        ax[i, j].yaxis.set_major_locator(plt.NullLocator())
        ax[i, j].imshow(faces[10 * i + j], cmap="bone")
plt.show()

花哨的刻度格式

   matplotlib默认的刻度格式可以满足大部分的需求。虽然默认配置已经很不错了，但是有时候可能需要更多的功能，比如正弦曲线和余弦曲线。

        默认情况下刻度为整数，如果将刻度与网格线画在π的倍数上图形会更加自然，可以通过设置一个multipleLocator来实现将刻度放在你提供的数值倍数上：

fig, ax = plt.subplots()
x = np.linspace(0, 3 * np.pi, 1000)
ax.plot(x, np.sin(x), lw=3, label='Sine')
ax.plot(x, np.cos(x), lw=3, label='Cosine')
# 设置网格、图例和坐标轴上下限
ax.grid(True)
ax.legend(frameon=False)
ax.axis('equal')
ax.set_xlim(0, 3 * np.pi)
ax.xaxis.set_major_locator(plt.MultipleLocator(np.pi / 2))
ax.xaxis.set_minor_locator(plt.MultipleLocator(np.pi / 4))
plt.show()

 

   matplotlib还支持用数学符号来做刻度，在数学表达式两侧加上美元符号$，这样就可以方便地显示数学符号和数学公式。

        可以用plt.FuncFormatter来实现，用一个自定义函数设置不同刻度标签的显示：

def format_func(value, tick_number):
# 找到π/2的倍数刻度
    N = int(np.round(2 * value / np.pi))
    if N == 0:
        return "0"
    elif N == 1:
        return r"$\pi/2$"
    elif N == 2:
        return r"$\pi$"
    elif N % 2 > 0:
        return r"${0}\pi/2$".format(N)
    else:
        return r"${0}\pi$".format(N // 2)
ax.xaxis.set_major_formatter(plt.FuncFormatter(format_func))

格式生成器与定位器

        前面已经介绍了一些格式生成器和定位器，这里再用表格简单总结一些内置的格式生成器和定位器：

 

 

---

仍在学习路上......接受指正，积极完善。