Paksi Terputus dalam Matplotlib
Mencipta paksi x terputus dalam Matplotlib boleh meningkatkan keterlihatan jurang yang ketara dalam data. Walaupun transformasi tersuai ialah pendekatan yang cekap, menggunakan subplot boleh mencapai ketakselanjaran yang diingini dengan mudah.
Satu kaedah melibatkan penggunaan dua subplot, berkongsi penjajaran paksi-y. Zum ke bahagian data yang berbeza dan laraskan had paksi-x untuk memfokus pada bahagian tertentu. Dengan menyembunyikan duri di antara subplot dan melaraskan orientasi kutu, anda boleh mencipta ketakselanjaran.
Untuk kesan paksi patah yang lebih menarik secara visual, garisan pepenjuru boleh ditambah. Nyatakan saiz pepenjuru yang dikehendaki dalam koordinat paksi. Lumpuhkan keratan dan tetapkan penjelmaan yang sesuai untuk setiap garisan pepenjuru untuk memastikan ia berada dalam sudut yang betul pada paksi. Dengan menggunakan kaedah ini, garisan pepenjuru akan melaraskan secara dinamik apabila ruang antara subplot berubah.
Berikut ialah contoh kod yang menggabungkan teknik ini:
import matplotlib.pyplot as plt import numpy as np # Generate sample data x = np.r_[0:1:0.1, 9:10:0.1] y = np.sin(x) # Create subplots and set x-axis limits fig, (ax, ax2) = plt.subplots(1, 2, sharey=True) ax.set_xlim(0, 1) ax2.set_xlim(9, 10) # Plot data and hide spines ax.plot(x, y, 'bo') ax2.plot(x, y, 'bo') ax.spines['right'].set_visible(False) ax2.spines['left'].set_visible(False) ax.yaxis.tick_left() ax.tick_params(labeltop='off') ax2.yaxis.tick_right() # Adjust spacing and add diagonal lines plt.subplots_adjust(wspace=0.15) # Define diagonal line parameters d = .015 kwargs = dict(transform=ax.transAxes, color='k', clip_on=False) ax.plot((1 - d, 1 + d), (-d, +d), **kwargs) ax.plot((1 - d, 1 + d), (1 - d, 1 + d), **kwargs) kwargs.update(transform=ax2.transAxes) ax2.plot((-d, d), (-d, +d), **kwargs) ax2.plot((-d, d), (1 - d, 1 + d), **kwargs) plt.show()
Atas ialah kandungan terperinci Bagaimana untuk Mencipta X-Axes Tidak Berterusan dalam Matplotlib Menggunakan Subplot?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!