绘制上对数轴作为下线性轴的函数 次轴回调

如何解决绘制上对数轴作为下线性轴的函数 次轴回调

我想绘制一个带有线性 x 轴和 y 轴的图，加上一个对数顶部 x 轴，显示作为底部 x 轴函数的刻度。我不确定要传递给刻度的内容，或者单独定义函数来构建上对数轴刻度是否更方便（类似于here）。我希望以 0.1 为步长在上对数轴上显示刻度。 这是一个 MWE：

from matplotlib.ticker import ScalarFormatter,FormatStrFormatter

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

fig,ax1 = plt.subplots(1,figsize=(10,6))

ax1.set_ylabel(r'y axis')
ax1.set_xlabel(r'Linear axis')
ax1.set_ylim(0.1,1.)
ax1.set_xlim(0.1,1.5)

#Upper lox-axis
new_tick_locations = 
[np.log(i*1.e37/(2.*(3.809e8))) for i in np.arange(0.1,10.,0.1)] #I should pass something else instead of arange
                                                  #I'd like the upper axis ticks in steps of 0.1 anyway

axup=ax1.twiny()
axup.set_xticks(new_tick_locations)

axup.set_xlabel(r'Log axis')
plt.show()

解决方法

次轴

更新：事实证明，使用 secondary_xaxis() 而不是 twiny() 更简单。您可以使用 functions 参数指定底部和顶部轴之间的变换和反函数：

import matplotlib.pyplot as plt
import numpy as np

fig,ax1 = plt.subplots(1,figsize=(10,6))

ax1.set_ylabel('y axis')
ax1.set_xlabel('Linear axis')
ax1.set_ylim(0.1,1.)
ax1.set_xlim(0.1e-9,1.5e-9)

# secondary x-axis transformed with x*(a*b) and inverted with x/(a*b)
a,b = 4.*np.pi,np.float64((2.*3.086e22)**2.) 
axup = ax1.secondary_xaxis('top',functions=(lambda x: x*(a*b),lambda x: x/(a*b)))
axup.set_xscale('log')
axup.set_xlabel('Log axis')

plt.show()

原始示例：

# secondary x-axis transformed with x*a/b and inverted with x*b/a
ax1.set_xlim(0.1,10.)
a,b = 1.e37,2.*(3.809e8)
axup = ax1.secondary_xaxis('top',functions=(lambda x: x*a/b,lambda x: x*b/a))

---

回调

您可以使用 Axes callbacks 将 ax1 与 axup 连接：

[您可以连接到的 Axes 回调] 事件是 xlim_changed 和 ylim_changed，回调将使用 func(ax) 调用，其中 ax 是 { {1}} 个实例。

此处 Axes 事件触发 ax1.xlim_changed 将 scale_axup() 缩放为 axup.xlim。请注意，我将 scale(ax1.xlim) 增加到 10 以显示更多主要刻度：

xlim

,

按照您分享的answer，我根据您的需要修改了代码。

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

from matplotlib.ticker import StrMethodFormatter

fig,6))

ax1.set_ylabel(r'y axis')
ax1.set_xlabel(r'Linear axis')

ax1.set_xlim(0.1,1.5)

#Upper lox-axis
def tick_function(x):
    v = np.log(x*1.e37/(2.*(3.809e8)))
    return ["%.1f" % z for z in v]


axup_locations = np.arange(0.1,10.,0.1)


axup=ax1.twiny()

axup.set_xscale('log')
axup.set_xlim(0.1,100)
axup.set_yscale('linear')
axup.xaxis.set_major_formatter(StrMethodFormatter('{x:.0f}'))


axup.set_xlabel(r'Log axis')
plt.show()