[Python] matplotlib : Axis Scale and Ticks

각 Axes객체는 2개 이상의 Axis 객체를 가짐

(2D chart일 경우, x-axis와 y-axis를 가지므로 2개임).

 

Axis는 주로

• 축의 scale과
• tick locator,
• tick formatter를 제어한다.

---

Scales

많이 사용되는 scale은 다음과 같음

• 'linear' : linear scale로 숫자 그대로임.
• 'log' : log scale로 작은 수에서는 간격이 크나, 큰 수로 갈수록 간격이 줄어듬.

import numpy as np
import matplotlib.pyplot as plt

data1 = np.random.randn(100)
fig, axs = plt.subplots(1, 2, figsize=(5, 2.7), layout='constrained')
xdata = np.arange(len(data1))  # make an ordinal for this
data = 10**data1
axs[0].plot(xdata, data)

axs[1].set_yscale('log')
axs[1].plot(xdata, data)

보다 자세한 건 다음 URL을 참고 : https://matplotlib.org/stable/gallery/scales/scales.html

Scales — Matplotlib 3.7.2 documentation

---

Tick locators and formatters

각 Axis object는 tick locator와 tick formatter를 가지고 있음.
참고로 scale이 다를 경우, 사용되는

• tick locator와
• tick formatter가 다름.

 

예를 들어 log scale에서는 LogLocator와 LogFormatter가 사용됨.

 

보다 자세한 건 다음 URL들을 참고 :
https://matplotlib.org/stable/gallery/ticks/tick-locators.html

Tick locators — Matplotlib 3.7.2 documentation

https://matplotlib.org/stable/gallery/ticks/tick-formatters.html

Tick formatters — Matplotlib 3.7.2 documentation

 

보통 Axes object의 set_xticks와 set_yticks helper methods를 통해 이들을 제어함.

import numpy as np
import matplotlib.pyplot as plt

data1 = np.random.randn(100)
xdata = np.arange(len(data1))

fig, axs = plt.subplots(2, 1, layout='constrained')
axs[0].plot(xdata, data1)
axs[0].set_title('Automatic ticks')

axs[1].plot(xdata, data1)
axs[1].set_xticks(np.arange(0, 100, 30), ['zero', '30', 'sixty', '90'])
axs[1].set_yticks([-1.5, 0, 1.5])  # note that we don't need to specify labels
axs[1].set_title('Manual ticks')

---

Plotting dates and strings

matplotlib의 Axis의 tick으로 dates와 strings를 처리할 수 있음 : 이를 위한

• special locators와
• formatters가 있음.

 

다음 예는 dates (NumPy에서 np.datetime64)를 x-축에 tick으로 사용한 경우를 보여줌.

import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt

dates = np.arange(np.datetime64('2021-11-01'), # 2021-11-01 00:00:00
                  np.datetime64('2021-11-02'), # 2021-11-01 23:00:00
                  np.timedelta64(1, 'h'))
tmp = len(dates)/24 # 24

fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')

data = np.cumsum(np.random.randn(len(dates)))
ax.plot(dates, data)
cdf = mpl.dates.ConciseDateFormatter(ax.xaxis.get_major_locator())
ax.xaxis.set_major_formatter(cdf)

날짜 등에 대한 tick을 처리하는 보다 자세한 내용은 다음 URL을 참고 : https://matplotlib.org/stable/gallery/text_labels_and_annotations/date.html

Date tick labels — Matplotlib 3.7.2 documentation

---

Categorical data

Categorical data의 경우는 bar chart로 그려지며 각 bar마다 해당하는 카테고리의 string이 출력됨.
(너무 많으면 축에서 서로 겹쳐서 제대로 안보임. 주의할 것)

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(5, 2.7), layout='constrained')
categories = ['turnips', 'rutabaga', 'cucumber', 'pumpkins']

ax.bar(categories, np.random.rand(len(categories)))

Categorical variable를 그리는 방법에 대한 보다 자세한 건 다음 URL을 참고 : https://matplotlib.org/stable/gallery/lines_bars_and_markers/categorical_variables.html

Plotting categorical variables — Matplotlib 3.7.2 documentation

---

Additional Axis Object

같은 x-axis를 공유하지만, 서로 다른 y-axis를 가지는 2개의 graph를 동시에 그리는 경우, Axes.twinx를 활용한다.
해당 method는 같은 그리는 영역을 가지나 y-axis만 따로 가지는 Axes object를 반환한다. 해당 Axes object에서 plot method를 호출하여 그리면 됨.

 

다음 예제를 참고.

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)

fig, ax1 = plt.subplots(figsize=(4, 3))
l1, = ax1.plot(t, s, 'b')
ax2 = ax1.twinx()
l2, = ax2.plot(t, range(len(t)), 'r')
ax2.legend([l1, l2], ['Sine (left)', 'Straight (right)'])

같은 y-axis를 공유하는 경우엔 Axes.secondary_xaxis를 이용하여 additional x-axis를 추가한다

(이 경우 보통 chart를 새로 그리진 않음).
이때 원래의 x-axis와의 값과의 변환을 수행할 수 있는 function들의 collection을 functions에 할당함.

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2 * np.pi * t)

fig, ax1 = plt.subplots(figsize=(4, 3))
ax1.plot(t, s)
ax1.set_xlabel('Angle [rad]')
ax2 = ax1.secondary_xaxis('top', functions=(np.rad2deg, np.deg2rad))
ax2.set_xlabel('Angle [°]')

---

References

https://matplotlib.org/stable/tutorials/introductory/quick_start.html

Quick start guide — Matplotlib 3.7.2 documentation