标签: x-axis

我目前正在尝试绘制一个带有很多刻度的图形。它对每个值都有从 0 到 50 的刻度，导致打包的刻度标签合并，使绘图变得非常混乱。我使用了刻度线

fig, ax = plt.subplots()
ax.set_xticks(np.arange(0,50))
ax.set_yticks(np.arange(0,50))

并使用隐藏刻度标签

ax.set_xticklabels([])
ax.set_yticklabels([])

然而，问题是这隐藏了所有刻度标签，而我希望保留一些标签，以便我可以使用标签轻松跟踪。

我试过做

ax.set_xticklabels(np.arange(0,50,5))

但这只会导致前 10 个刻度使用不适当的标签进行标记（范围（0,50），间隔为 5）

我希望找到一种方法来显示间隔为 5（或任何特定间隔）的刻度“标签”，同时保留所有实际刻度（以便我可以将它们用于网格）。

我可以用这段代码生成以下图：

df_day['Time'] = pd.to_datetime(df_day['Time'], format = '%H:%M:%S')
df_day = df_day.set_index('Time')

fig=plt.figure(dpi=900)
plt.title("TESTER Summary for Day %i " %y + "\n Average Chamber Pressure %.3f [torr] \n" %p_avg_temp  + str(dates[x]))

ax1 = df_day['DP-2'].plot(label = 'DP-2')
ax2 = df_day['FM-1'].plot(secondary_y = True, label = "Flow Rate")

ax1.set_ylabel('Temperatures - Pressure Drop\nInlet Pressure - Scale Weight')

ax2.set_ylabel('Flow Rate - Heat Rej.')

ax1.set_xlabel('Time ')

handles,labels = [],[]
for ax in fig.axes:
    for h,l in zip(*ax.get_legend_handles_labels()):
        handles.append(h)
        labels.append(l)

plt.legend(handles, labels, loc = 'lower center', bbox_to_anchor = (0.5, …

我正在尝试使用基本 R 并排绘制两个图。

我希望他们分享标题以及 x 轴和 y 轴标签。但是，绘图的范围不同，所以我想保留标签的数量。

我已经看到有一些解决方案使用par()，但是，它们似乎过于复杂。

我尝试使用以下解决方案layout()：

dev.off()
# Create a layout with two plots

layout(matrix(c(1, 2), nrow = 1))

# Create the first plot
plot(1:10, 1:10, main = "Plot 1", type = "l", col = "blue", xlab = "")

# Create the second plot without the x-axis
plot(1:10, (1:10)^2, main = "", type = "l", col = "red", xlab = "")

# Draw the x-axis in the middle of the two plots …

我创建了一个pointplot()，但无法更改 x 轴限制。虽然我的数据只包含 9 个月，但我想在我的轴上显示所有 12 个月。

fig,ax = plt.subplots(figsize=(12,4))
sns.pointplot(data=tr_df, x='Month', y='numOfTrips', hue='Year', ax=ax, palette='nipy_spectral')
# sns.plt.xlim(0, 12) # AttributeError: module 'seaborn' has no attribute 'plt'
# ax.set_xlim=(0, 12) # does nothing
ax.set(xlim=(0, 12))
ax.set(title="Number of trips each month")

我究竟做错了什么？

编辑：用于创建绘图的数据

    Year Month numOfTrips
0   2011   7     2608
1   2011   8     33579
2   2011   9     34756
3   2011   10    31423
4   2011   11    20746
5   2012   3     12240
6   2012   4     37637
7   2012   5     46056
8 …

为 1 秒采样数据设置分钟小刻度：OverflowError: int too big to convert

考虑这个数据帧，采样间隔为 1 秒，持续时间约为 30 分钟：

import matplotlib.pyplot as plt
from matplotlib.dates import MinuteLocator
import pandas as pd

ndex = pd.date_range('2021-08-01 07:07:07', '2021-08-01 07:41:12', freq='1S', name='Time') 
df = pd.DataFrame(data=np.random.randint(1, 100, len(ndex)), index=ndex, columns=['A'])

现在我们绘制它：

fig, ax = plt.subplots()
df.plot(color='red', marker='x', lw=0, ms=0.2, ax=ax)

这创造了一个没有任何抱怨的情节：

现在我希望每分钟都有轻微的滴答声。

我试过这个：

ax.xaxis.set_minor_locator(MinuteLocator())

但这失败了OverflowError: int too big to convert

我正在尝试更改 seaborn 折线图上 x 轴标签的旋转。然而，当我运行下面的代码时，我只得到一个大列表作为输出和一个没有 x 标签的图表：

sns.set(rc={'figure.figsize':(15,5)})
chart = sns.lineplot(y = top_deaths['Deaths'], x = top_deaths['Date'], data = top_deaths, hue ='Country/Region')
x = chart.get_xticklabels()
chart.set_xticklabels(x, rotation = 45)


[Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, 0, ''),
 Text(0, …

我尝试使用两次调用 annotate() 的技巧来获取 2 级嵌套刻度标签（此处），但我想与 facet_wrap() 结合使用

df <- tribble(
  ~action, ~gend, ~status, ~cellMean,
  "P",     "M",   "A",     1,
  "P",     "M",   "B",     2,
  "P",     "F",   "A",     1.4,
  "P",     "F",   "B",     2.6,
  "V",     "M",   "A",     2,
  "V",     "M",   "B",     3,
  "V",     "F",   "A",     2.2,
  "V",     "F",   "B",     3.8
) %>%
  mutate(action=factor(action,levels=c("P","V")),
         gend  =factor(gend,  levels=c("F","M")),
         status=factor(status,levels=c("A","B")))

df

# action obscured/overlaid
df %>%
  ggplot(data=., mapping=aes(x=interaction(status,gend), y=cellMean,
                             color=status, shape=gend)) +
  geom_point(size=3.5) +
  theme_light()

# action used as facet
df %>%
  ggplot(data=., mapping=aes(x=interaction(status,gend), y=cellMean, …