numpy 如何在没有对数缩放图像的情况下应用对数轴标签(matplotlib imshow)

vaqhlq81  于 2023-03-08  发布在  其他
关注(0)|答案(3)|浏览(176)

我有一个对数分布的大型数据集。我想制作一个热图,所以我制作了一个2D直方图,并将其传递给implot。由于数据是对数分布,所以我将数据的对数传递给直方图。但是,在制作图时,我希望恢复轴(即10^hist bin值)和对数轴。如果我将轴设置为对数样式,那么图像看起来都是歪斜的。数据从我传递到直方图时就已经被“记录”了,所以我不希望图像受到影响,只是轴。所以,在下面的例子中,我想要左边的图像和右边的坐标轴。
我想我可以用一个假的叠加轴来做,但是如果有更好的方法的话,我不喜欢做这种事情...

import numpy as np
import matplotlib.pyplot as plt

x=10**np.random.random(10000)*5
y=10**np.random.random(10000)*5

samps, xedges, yedges = np.histogram2d(np.log10(y), np.log10(x),     bins=50)    

ax = plt.subplot(121)

plt.imshow(samps, extent=[0,5,0,5])
plt.xlabel('Log10 X')
plt.ylabel('Log10 Y')

ax = plt.subplot(122)    
plt.imshow(samps, extent=[10**0,10**5,10**0,10**5])
plt.xlabel('X')
plt.ylabel('Y')
plt.xscale('log')
plt.yscale('log')
plt.show()
a64a0gku

a64a0gku1#

你需要使用一个自定义的格式化器,这里有一个来自matplotlib文档的例子:https://matplotlib.org/examples/pylab_examples/custom_ticker1.html
我倾向于使用FuncFormatter作为例子。主要的技巧是你的函数需要带参数xpos。老实说,我不知道pos是做什么的。也许甚至不是故意的,但是你可以使用FuncFormatter作为装饰器,这就是我下面所做的:

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

@plt.FuncFormatter
def fake_log(x, pos):
    'The two args are the value and tick position'
    return r'$10^{%d}$' % (x)

x=10**np.random.random(10000)*5
y=10**np.random.random(10000)*5

samps, xedges, yedges = np.histogram2d(np.log10(y), np.log10(x), bins=50)    

fig, (ax1) = plt.subplots()
ax1.imshow(samps, extent=[0, 5, 0, 5])
ax1.xaxis.set_major_formatter(fake_log)
ax1.yaxis.set_major_formatter(fake_log)
ax1.set_xlabel('X')
ax1.set_ylabel('Y')

v1uwarro

v1uwarro2#

如果你只想修改标签,你可以直接通过plt.gca().set_xticklabelsplt.gca().set_yticklabels访问这些标签,下面是一个修改这些标签的_text属性的简单例子。

import numpy as np
import matplotlib.pyplot as plt

x = 10 ** np.random.random(10000) * 5
y = 10 ** np.random.random(10000) * 5

samps, xedges, yedges = np.histogram2d(np.log10(y), np.log10(x), bins=50)

plt.subplot(121)

p = plt.imshow(samps, extent=[0, 5, 0, 5])
plt.xlabel('Log10 X')
plt.ylabel('Log10 Y')

plt.subplot(122)

p = plt.imshow(samps, extent=[0, 5, 0, 5])

# The label handling stuff starts here
plt.pause(0.5)  # Needed to make sure the drawing finished being created
plt.xlabel('X')
plt.ylabel('Y')
plt.draw()

ax = plt.gca()
lbx = ax.get_xticklabels()
lby = ax.get_yticklabels()
for i in range(len(lbx)):
    lbx[i]._text = r'$10^' + lbx[i]._text + '$'
for i in range(len(lby)):
    lby[i]._text = r'$10^' + lby[i]._text + '$'
ax.set_xticklabels(lbx)
ax.set_yticklabels(lby)

plt.show()
2eafrhcq

2eafrhcq3#

如果你需要在原始坐标系中的图像上绘图,你可以像下面这样叠加两个轴。当然你可以微调ax[1]以匹配原始的刻度数量等。
基于this image的示例,参见结果here

from matplotlib import pyplot as plt
img = plt.imread("noticks.jpg")
fig, ax = plt.subplots(1,2)
ax[1].set_yscale('log')
ax[1].set_xscale('log')
ax[1].set_xlim((5e-4, 0.2))
ax[1].set_ylim((5e-5,0.05))
ax[1].patch.set_facecolor('none')
ax[0].imshow(img)
ax[1].set_aspect(ax[0].get_aspect())
ax[0].axis('off')
ax[0].set_position(ax[1].get_position())

相关问题