AI Python 中的 matplotlib . ticker . linear locator 类

Python 中的 matplotlib . ticker . linear locator 类

原文:https://www . geeksforgeeks . org/matplotlib-ticker-linear locator-in-class-python/

Matplotlib 是 Python 中一个惊人的可视化库，用于数组的 2D 图。Matplotlib 是一个多平台数据可视化库，构建在 NumPy 数组上，旨在与更广泛的 SciPy 堆栈一起工作。

matplotlib.ticker .线性定位器

matplotlib.ticker.LinearLocator类用于确定刻度位置。在第一次调用时，该函数试图设置刻度数，以进行良好的刻度分区。之后，互动导航会随着刻度数的固定而改进。预置参数用于基于lom,设置 locs，后者是 vmin、VMAX->locas 的字典映射。

语法:class matplotlib . ticker . linear locator(numticks =无，预设=无)

参数:

数量:蜱的总数。

预置:用于基于 lom、设置locas，这是 vmin、VMAX->locas 的字典映射。

该类方法:

set_params(自身，数值=无，预设=无):用于设置该定位器内的参数。
tick_values(self，vmin，vmax): 它返回位于 vmin 和 vmax 之间的 tick 的值。
view_limits(self, vmin, vmax): It is used to intelligently choose the view limits.

例 1:

```py import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker

xGrid = np.linspace(1-1e-14, 1-1e-16, 30,                     dtype = np.longdouble)

y = np.random.rand(len(xGrid))

plt.plot(xGrid, y) plt.xlim(1-1e-14, 1)

loc = matplotlib.ticker.LinearLocator(numticks = 5) plt.gca().xaxis.set_major_locator(loc)

plt.show() ```

输出:

例 2:

```py import numpy as np import matplotlib.pyplot as plt import matplotlib.ticker as ticker

Setup a plot such that only the bottom

spine is shown

def setup(ax):

ax.spines['right'].set_color('green')     ax.spines['left'].set_color('red')

ax.yaxis.set_major_locator(ticker.NullLocator())     ax.spines['top'].set_color('pink')     ax.xaxis.set_ticks_position('bottom')

ax.tick_params(which ='major', width = 1.00)     ax.tick_params(which ='major', length = 5)     ax.tick_params(which ='minor', width = 0.75)     ax.tick_params(which ='minor', length = 2.5)

ax.set_xlim(0, 5)     ax.set_ylim(0, 1)     ax.patch.set_alpha(0.0)

plt.figure(figsize =(8, 6)) n = 8 ax = plt.subplot(n, 1, 4) setup(ax) ax.xaxis.set_major_locator(ticker.LinearLocator(3)) ax.xaxis.set_minor_locator(ticker.LinearLocator(31))

ax.text(0.0, 0.1, "LinearLocator",         fontsize = 14,         transform = ax.transAxes)

plt.subplots_adjust(left = 0.05,                     right = 0.95,                     bottom = 0.05,                     top = 1.05)

plt.show() ```

输出: