作为Python生态中应用最广泛的绘图库，Matplotlib用起来非常简单，也很容易上手。不过有些细节想要做得尽善尽美，就需要仔细阅读它的文档了。对于初学者来说，反转坐标轴、绘制双轴（将两个动态范围不同的数据绘制在一张图上，分别使用两个不同的坐标轴）有一定难度，改变坐标轴刻度的样式或内容，更是无从下手。

本文汇总了和轴、刻度相关的七个Matplotlib使用技巧，并给出了实例代码。

1 反转坐标轴

使用axes.invert_xaxis() 函数和axes.invert_yaxis() 函数可分别反转x轴和y轴。这两个函数均不需要任何参数。下面的例子使用图像绘制函数 imshow() 来演示反转轴。imshow() 函数通过origin参数实现y轴反转，这里将其固定为“lower”。

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

y, x = np.mgrid[-2:2:200j, -3:3:300j]
z = np.exp(-x**2-y**2) - np.exp(-(x-1)**2-(y-1)**2)

fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
ax1.imshow(z, cmap='jet', origin='lower')
ax2.imshow(z, cmap='jet', origin='lower')
ax3.imshow(z, cmap='jet', origin='lower')
ax4.imshow(z, cmap='jet', origin='lower')
ax2.invert_xaxis()
ax3.invert_yaxis()
ax4.invert_xaxis()
ax4.invert_yaxis()
ax1.set_title("正常的X、Y轴")
ax2.set_title("反转X轴")
ax3.set_title("反转Y轴")
ax4.set_title("反转X、Y轴")
plt.show()

反转轴后的效果如下图 所示。

2 绘制双轴

Matplotlib支持在一个子图上显示两个x轴或两个y轴。使用axes.twinx()函数可显示双x轴，使用 axes.twiny() 函数可显示双 y 轴。以下代码演示了使用 axes.twiny() 函数显示双 y 轴。

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-2*np.pi, 2*np.pi, 200)
y1 = np.square(x)
y2 = np.cos(x)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax_twinx = ax.twinx()
ax.plot(x, y1, c='r')
ax_twinx.plot(x, y2, c='g', ls='-.')
plt.show()

效果如下图所示。

3 设置坐标轴范围

使用axes.set_xlim(left, right) 和axes.set_ylim(bottom, top) 函数设置x 与y轴的显示范围。函数参数分别是能够显示的最小值和最大值，如果最大值或最小值为 None，则表示只限制坐标轴一端的值域范围。

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot(x, y, c='r')
ax1.set_ylim(-0.8, 0.8)
ax2 = fig.add_subplot(122)
ax2.plot(x, y, c='g')
ax2.set_xlim(-np.pi, 3*np.pi)
plt.show()

以上代码重新设置了子图坐标轴范围，效果如下图所示。左图缩小了 y 轴的范围，右图扩大了 x 轴的范围。

4 设置主副刻度

主副刻度常用于日期时间轴，如主刻度显示年份，副刻度显示月份。非线性的对数轴往往也需要显示副刻度。Matplotlib提供了4个函数来设置x轴和y轴的主副刻度。

• ax.xaxis.set_major_locator(locator) ：用于设置 x 轴主刻度。
• ax.xaxis.set_minor_locator(locator) ：用于设置 x 轴副刻度。
• ax.yaxis.set_major_locator(locator) ：用于设置 y 轴主刻度。
• ax.yaxis.set_minor_locator(locator) ：用于设置 y 轴副刻度。

函数的locator参数实例有两种，分别是来自ticker和dates两个子模块中有关刻度的子类实例。下面的代码演示了在x轴上设置日期时间相关的主副刻度。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib.dates as mdates

x = np.arange('2019-01', '2019-06', dtype='datetime64[D]')
y = np.random.rand(x.shape[0])

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y, c='g')
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('\n%Y-%m-%d'))
ax.xaxis.set_minor_locator(mdates.DayLocator(bymonthday=(1,11,21)))
ax.xaxis.set_minor_formatter(mdates.DateFormatter('%d'))
plt.show()

效果如下图所示。

5 设置刻度显示密度

Matplotlib的ticker子模块包含的Locator类是所有刻度类的基类，负责根据数据的范围自动调整视觉间隔以及刻度位置的选择。MultipleLocator是Locator的派生类，能够控制刻度的疏密。

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

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 4*np.pi, 500)

fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot(x, np.sin(x), c='m')
ax1.yaxis.set_major_locator(MultipleLocator(0.3))
ax2 = fig.add_subplot(122)
ax2.plot(x, np.sin(x), c='m')
ax2.xaxis.set_major_locator(MultipleLocator(3))
ax2.xaxis.set_minor_locator(MultipleLocator(0.6))
ax1.set_title('X轴刻度自动调整，Y轴设置刻度间隔0.3')
ax2.set_title('X轴设置主刻度间隔3副刻度间隔0.6，Y轴刻度自动调整')
plt.show()

以上代码创建了两个子图，绘图结果如下图所示，左图演示了如何设置 y 轴的主刻度密度，右图演示了如何设置 x 轴主刻度和副刻度的密度。

6 设置刻度文本样式

设置刻度文本的颜色、字体、字号或旋转文本等样式，需要使用axes.get_xticklabels() 或axes.get_yticklabels() 函数获取x轴或y轴的文本对象列表。文本对象中包含设置文本大小、颜色、旋转角度的函数，使用对应函数即可完成设置。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib.dates as mdates

x = np.arange('2019-01', '2020-01', dtype='datetime64[D]')
y = np.random.rand(x.shape[0])

fig = plt.figure()
ax = fig.add_axes([0.1, 0.3, 0.8, 0.6])
ax.plot(x, y, c='g')
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y/%m/%d'))

for lobj in ax.get_xticklabels():
    lobj.set_rotation(35)
    lobj.set_size(12)
    lobj.set_color('blue')

plt.show()

以上代码设置 x 轴的刻度文本字号大小为 12 号、颜色为蓝色，并将刻度文本逆时针旋转35°，效果如下图所示。

7 设置刻度文本内容

在有些应用场景中，需要将 x 轴或 x 轴刻度上的文字设置为更有标识意义的内容。使用set_xticklabels( ) 和 set_yticklabels( ) 函数可以替换刻度文本，不过只适用于所有可能的取值都已经显示在坐标轴上的情况。例如，x 轴对应的是列表[0,1,2,3]，共4个取值，显示的刻度也是4个，此时可以使用 [’ 一季度 ‘,’ 二季度 ‘,’ 三季度 ‘,’ 四季度 '] 替换对应的数值。

Matplotlib 提供了强大的刻度文本格式化功能，ticker.Formatter 作为基类派生出了多种形式的格式化类，FuncFormatter就是其中之一。使用FuncFormatter可以更加灵活地设置刻度文本内容。

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

plt.rcParams['font.sans-serif'] = ['FangSong'] # 设置字体以便正确显示汉字
plt.rcParams['axes.unicode_minus'] = False # 正确显示连字符

x = np.linspace(0, 10, 200)
y = np.square(x)

def func_x(x, pos):
    return '%0.2f秒'%x

def func_y(y, pos):
    return '%0.2f°C'%y

formatter_x = FuncFormatter(func_x)
formatter_y = FuncFormatter(func_y)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y, c='r')
ax.xaxis.set_major_formatter(formatter_x)
ax.yaxis.set_major_formatter(formatter_y)
plt.show()

以上代码将x轴和y轴的刻度文本格式化为百分之一的精度，并附带度量单位，绘图结果如下图所示。