Python/Matplotlib - 有没有办法制作一个不连续的轴？

Posted 2023-02-23

【中文标题】Python/Matplotlib - 有没有办法制作一个不连续的轴？

【英文标题】：Is there a way to make a discontinuous axis in Matplotlib?

【发布时间】：2011-08-05 03:14:38

【问题描述】：

我正在尝试使用具有不连续 x 轴的 pyplot 创建一个绘图。通常的绘制方式是轴将具有以下内容：

（值）----//----（后来的值）

其中 // 表示您正在跳过 (values) 和 (later values) 之间的所有内容。

我找不到任何这样的例子，所以我想知道这是否可能。我知道您可以将不连续的数据连接起来，例如财务数据，但我想让轴上的跳跃更加明确。目前我只是在使用子图，但我真的很希望最终将所有内容都放在同一张图上。

【问题讨论】：

参考matplotlib dos：Broken Axis

【参考方案1】：

保罗的回答是一个非常好的方法。

但是，如果您不想进行自定义变换，则可以只使用两个子图来创建相同的效果。

matplotlib 示例中有an excellent example of this written by Paul Ivanov，而不是从头开始编写一个示例（它仅在当前的 git 提示中，因为它仅在几个月前提交。它还没有在网页上。）。

这只是对这个示例的简单修改，使用不连续的 x 轴而不是 y 轴。 （这就是为什么我把这篇文章写成 CW）

基本上，您只需执行以下操作：

import matplotlib.pylab as plt
import numpy as np

# If you're not familiar with np.r_, don't worry too much about this. It's just 
# a series with points from 0 to 1 spaced at 0.1, and 9 to 10 with the same spacing.
x = np.r_[0:1:0.1, 9:10:0.1]
y = np.sin(x)

fig,(ax,ax2) = plt.subplots(1, 2, sharey=True)

# plot the same data on both axes
ax.plot(x, y, 'bo')
ax2.plot(x, y, 'bo')

# zoom-in / limit the view to different portions of the data
ax.set_xlim(0,1) # most of the data
ax2.set_xlim(9,10) # outliers only

# hide the spines between ax and ax2
ax.spines['right'].set_visible(False)
ax2.spines['left'].set_visible(False)
ax.yaxis.tick_left()
ax.tick_params(labeltop='off') # don't put tick labels at the top
ax2.yaxis.tick_right()

# Make the spacing between the two axes a bit smaller
plt.subplots_adjust(wspace=0.15)

plt.show()

要添加折断轴线// 效果，我们可以这样做（同样，修改自 Paul Ivanov 的示例）：

import matplotlib.pylab as plt
import numpy as np

# If you're not familiar with np.r_, don't worry too much about this. It's just 
# a series with points from 0 to 1 spaced at 0.1, and 9 to 10 with the same spacing.
x = np.r_[0:1:0.1, 9:10:0.1]
y = np.sin(x)

fig,(ax,ax2) = plt.subplots(1, 2, sharey=True)

# plot the same data on both axes
ax.plot(x, y, 'bo')
ax2.plot(x, y, 'bo')

# zoom-in / limit the view to different portions of the data
ax.set_xlim(0,1) # most of the data
ax2.set_xlim(9,10) # outliers only

# hide the spines between ax and ax2
ax.spines['right'].set_visible(False)
ax2.spines['left'].set_visible(False)
ax.yaxis.tick_left()
ax.tick_params(labeltop='off') # don't put tick labels at the top
ax2.yaxis.tick_right()

# Make the spacing between the two axes a bit smaller
plt.subplots_adjust(wspace=0.15)

# This looks pretty good, and was fairly painless, but you can get that
# cut-out diagonal lines look with just a bit more work. The important
# thing to know here is that in axes coordinates, which are always
# between 0-1, spine endpoints are at these locations (0,0), (0,1),
# (1,0), and (1,1). Thus, we just need to put the diagonals in the
# appropriate corners of each of our axes, and so long as we use the
# right transform and disable clipping.

d = .015 # how big to make the diagonal lines in axes coordinates
# arguments to pass plot, just so we don't keep repeating them
kwargs = dict(transform=ax.transAxes, color='k', clip_on=False)
ax.plot((1-d,1+d),(-d,+d), **kwargs) # top-left diagonal
ax.plot((1-d,1+d),(1-d,1+d), **kwargs) # bottom-left diagonal

kwargs.update(transform=ax2.transAxes) # switch to the bottom axes
ax2.plot((-d,d),(-d,+d), **kwargs) # top-right diagonal
ax2.plot((-d,d),(1-d,1+d), **kwargs) # bottom-right diagonal

# What's cool about this is that now if we vary the distance between
# ax and ax2 via f.subplots_adjust(hspace=...) or plt.subplot_tool(),
# the diagonal lines will move accordingly, and stay right at the tips
# of the spines they are 'breaking'

plt.show()

【讨论】：

我自己说得再好不过了；）

// 效果的制作方法似乎只有在子图形的比例为 1:1 时才有效。你知道如何使它与引入的任何比率一起工作，例如GridSpec(width_ratio=[n,m])?

太棒了。稍作修改，这可以适用于任意数量的 x 轴部分。

弗雷德里克·诺德是正确的。此外，/ 效果不会抑制正常的刻度，这在美学上是不和谐的

【参考方案2】：

我看到很多关于此功能的建议，但没有迹象表明它已实施。这是一个暂时可行的解决方案。它将阶跃函数变换应用于 x 轴。这是很多代码，但它相当简单，因为其中大部分是样板自定义规模的东西。我没有添加任何图形来指示中断的位置，因为这是风格问题。祝你工作顺利。

from matplotlib import pyplot as plt
from matplotlib import scale as mscale
from matplotlib import transforms as mtransforms
import numpy as np

def CustomScaleFactory(l, u):
    class CustomScale(mscale.ScaleBase):
        name = 'custom'

        def __init__(self, axis, **kwargs):
            mscale.ScaleBase.__init__(self)
            self.thresh = None #thresh

        def get_transform(self):
            return self.CustomTransform(self.thresh)

        def set_default_locators_and_formatters(self, axis):
            pass

        class CustomTransform(mtransforms.Transform):
            input_dims = 1
            output_dims = 1
            is_separable = True
            lower = l
            upper = u
            def __init__(self, thresh):
                mtransforms.Transform.__init__(self)
                self.thresh = thresh

            def transform(self, a):
                aa = a.copy()
                aa[a>self.lower] = a[a>self.lower]-(self.upper-self.lower)
                aa[(a>self.lower)&(a<self.upper)] = self.lower
                return aa

            def inverted(self):
                return CustomScale.InvertedCustomTransform(self.thresh)

        class InvertedCustomTransform(mtransforms.Transform):
            input_dims = 1
            output_dims = 1
            is_separable = True
            lower = l
            upper = u

            def __init__(self, thresh):
                mtransforms.Transform.__init__(self)
                self.thresh = thresh

            def transform(self, a):
                aa = a.copy()
                aa[a>self.lower] = a[a>self.lower]+(self.upper-self.lower)
                return aa

            def inverted(self):
                return CustomScale.CustomTransform(self.thresh)

    return CustomScale

mscale.register_scale(CustomScaleFactory(1.12, 8.88))

x = np.concatenate((np.linspace(0,1,10), np.linspace(9,10,10)))
xticks = np.concatenate((np.linspace(0,1,6), np.linspace(9,10,6)))
y = np.sin(x)
plt.plot(x, y, '.')
ax = plt.gca()
ax.set_xscale('custom')
ax.set_xticks(xticks)
plt.show()

【讨论】：

我想现在只需要这样做。这将是我第一次弄乱自定义轴，所以我们只需要看看它是怎么回事。

在InvertedCustomTransform 的def transform 中有一个小错字，应该写成self.upper 而不是upper。不过，谢谢你的好例子！

你能添加几行来说明如何使用你的类吗？

@RuggeroTurra 在我的例子中都在那里。您可能只需要滚动到代码块的底部。

该示例在 matplotlib 1.4.3 上对我不起作用：imgur.com/4yHa9be。看起来这个版本只识别transform_non_affine 而不是transform。在***.com/a/34582476/1214547 上查看我的补丁。

【参考方案3】：

查看brokenaxes 包：

import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
import numpy as np

fig = plt.figure(figsize=(5,2))
bax = brokenaxes(xlims=((0, .1), (.4, .7)), ylims=((-1, .7), (.79, 1)), hspace=.05)
x = np.linspace(0, 1, 100)
bax.plot(x, np.sin(10 * x), label='sin')
bax.plot(x, np.cos(10 * x), label='cos')
bax.legend(loc=3)
bax.set_xlabel('time')
bax.set_ylabel('value')

【讨论】：

安装后无法在 Pycharm Community 2016.3.2 中 from brokenaxes import brokenaxes。 @ben.dichter

有一个错误。我修好了它。请运行pip install brokenaxes==0.2安装固定版本的代码。

似乎与 ax.grid(True) 交互不好

断轴可以抑制滴答声吗？或者将轴设置为水平方向彼此靠近的格式？

嗨，Ben，我想删除 y 轴，但是，我尝试了许多命令，但与断轴结合时无法正常工作，（注意 x 轴是断轴），thx跨度>

【参考方案4】：

解决 Frederick Nord 的问题，如何在使用比例不等于 1:1 的 gridspec 时启用对角线“断线”的平行方向，根据 Paul Ivanov 和 Joe Kingtons 的建议进行以下更改可能会有所帮助。可以使用变量 n 和 m 来改变宽度比。

import matplotlib.pylab as plt
import numpy as np
import matplotlib.gridspec as gridspec

x = np.r_[0:1:0.1, 9:10:0.1]
y = np.sin(x)

n = 5; m = 1;
gs = gridspec.GridSpec(1,2, width_ratios = [n,m])

plt.figure(figsize=(10,8))

ax = plt.subplot(gs[0,0])
ax2 = plt.subplot(gs[0,1], sharey = ax)
plt.setp(ax2.get_yticklabels(), visible=False)
plt.subplots_adjust(wspace = 0.1)

ax.plot(x, y, 'bo')
ax2.plot(x, y, 'bo')

ax.set_xlim(0,1)
ax2.set_xlim(10,8)

# hide the spines between ax and ax2
ax.spines['right'].set_visible(False)
ax2.spines['left'].set_visible(False)
ax.yaxis.tick_left()
ax.tick_params(labeltop='off') # don't put tick labels at the top
ax2.yaxis.tick_right()

d = .015 # how big to make the diagonal lines in axes coordinates
# arguments to pass plot, just so we don't keep repeating them
kwargs = dict(transform=ax.transAxes, color='k', clip_on=False)

on = (n+m)/n; om = (n+m)/m;
ax.plot((1-d*on,1+d*on),(-d,d), **kwargs) # bottom-left diagonal
ax.plot((1-d*on,1+d*on),(1-d,1+d), **kwargs) # top-left diagonal
kwargs.update(transform=ax2.transAxes) # switch to the bottom axes
ax2.plot((-d*om,d*om),(-d,d), **kwargs) # bottom-right diagonal
ax2.plot((-d*om,d*om),(1-d,1+d), **kwargs) # top-right diagonal

plt.show()

【参考方案5】：

对于那些感兴趣的人，我已经扩展了 @Paul 的答案并将其添加到 matplotlib 包装器 proplot。可以做轴"jumps", "speedups", and "slowdowns"。

目前没有办法像乔的回答那样添加表示离散跳跃的“十字架”，但我计划在未来添加这个。我还计划添加一个默认的“tick locator”，根据CutoffScale 参数设置合理的默认tick 位置。

【讨论】：

链接已损坏。 :-(

可能是这个？ proplot.readthedocs.io/en/stable

修复了链接！

【参考方案6】：

一个非常简单的技巧是

散点图矩形在坐标轴的刺和 在该位置将“//”绘制为文本。

对我来说就像一个魅力：

# FAKE BROKEN AXES
# plot a white rectangle on the x-axis-spine to "break" it
xpos = 10 # x position of the "break"
ypos = plt.gca().get_ylim()[0] # y position of the "break"
plt.scatter(xpos, ypos, color='white', marker='s', s=80, clip_on=False, zorder=100)
# draw "//" on the same place as text
plt.text(xpos, ymin-0.125, r'//', fontsize=label_size, zorder=101, horizontalalignment='center', verticalalignment='center')

示例图：