本文记述了用 Matplotlib 在对数坐标系中绘制图象的一种方法，并在以 2 为底的对数坐标系上展示了 选择排序、冒泡排序（二）、快速排序（四） 的性能数据图象。
笔者按如下布局绘制了 12 (4x3)幅图象，其中 [a,b] 代表某幅图象的位置。
+---------------+---------------+---------------+
| | | |
| 选择排序 | 冒泡排序（二） | 快速排序（四） |
| | | | <-- X、Y 为普通坐标
| [0,0] | [0,1] | [0,2] |
| | | |
+---------------+---------------+---------------+
| | | |
| " | " | " |
| | | | <-- X、Y 轴同时应用对数坐标
| [1,0] | [1,1] | [1,2] |
| | | |
+---------------+---------------+---------------+
| | | |
| " | " | " |
| | | | <-- 仅 X 轴应用对数坐标
| [2,0] | [2,1] | [2,2] |
| | | |
+---------------+---------------+---------------+
| | | |
| " | " | " |
| | | | <-- 仅 Y 轴应用对数坐标
| [3,0] | [3,1] | [3,2] |
| | | |
+---------------+---------------+---------------+
代码主体内容如下：
N = np.array([ 1024, 2048, 4096, 8192, 16384, 32768, 65536, 131072 ]) #1
S = np.array([ 0.134, 0.537, 2.151, 8.599, 34.415, 137.924, 533.501, 2222.169 ])
B = np.array([ 0.300, 1.198, 4.777, 19.069, 76.458, 305.503, 1213.778, 4877.336 ])
Q = np.array([ 0.006, 0.014, 0.029, 0.061, 0.127, 0.271, 0.564, 1.196 ])
xfmtr = FuncFormatter(lambda x, pos: '{:1.0f}K'.format(x*1e-3) if x >= 1e3 else x)
yfmtr = FuncFormatter(lambda y, pos: '{:1.0f}K'.format(y*1e-3) if y >= 1e3 else y)
fig, axs = plt.subplots(4, 3, figsize=(12,9)) #2
axs[0,0].plot(N, S) #3
axs[0,0].set(title='Selection\n Normal Scalar')
axs[0,0].set(xlabel='N', ylabel='Time')
axs[0,0].grid()
axs[0,0].xaxis.set_major_formatter(xfmtr) #4
axs[0,0].yaxis.set_major_formatter(yfmtr)
...
axs[1,0].loglog(N, S, basex=2, basey=2) #5
axs[1,0].set(title='Log Scalar on X & Y')
axs[1,0].grid()
axs[1,0].xaxis.set_major_formatter(xfmtr)
axs[1,0].yaxis.set_major_formatter(yfmtr)
...
axs[2,0].semilogx(N, S, basex=2) #6
axs[2,0].set(title='Log Scalar on X')
axs[2,0].grid()
axs[2,0].xaxis.set_major_formatter(xfmtr)
axs[2,0].yaxis.set_major_formatter(yfmtr)
...
axs[3,0].semilogy(N, S, basey=2) #7
axs[3,0].set(title='Log Scalar on Y')
axs[3,0].grid()
axs[3,0].xaxis.set_major_formatter(xfmtr)
axs[3,0].yaxis.set_major_formatter(yfmtr)
...
plt.show()
首先将数据转换为 Numpy 的 ndarray（注：转化过程可省略）(#1)。准备 4x3 的绘图区域，每个绘图区域有独立的坐标系（#2）。在 [0,0] ~ [0,2] 位置，创建普通坐标系并绘制数据（#3），为了让坐标轴数据范围更清晰，同时简化了 X 和 Y 轴的主刻度值（#4）。在 [1,0] ~ [1,2] 位置，创建 X & Y 轴均以 2 为底的对数坐标系并绘制数据（#5）。在 [2,0] ~ [2,2] 位置，创建仅 X 轴以 2 为底的对数坐标系并绘制数据（#6）。在 [3,0] ~ [3,2] 位置，创建仅 Y 轴以 2 为底的对数坐标系并绘制数据（#7）。图象显示结果如下：
完整的代码请参考 [gitee] cnblogs/18388561 。
更多例子请参考 Matplotlib Gallery。
标签：axs,major,set,对数,图象,formatter,坐标系 From： https://www.cnblogs.com/green-cnblogs/p/18388561