这样截断刻度轴学术图表怎么绘制？一行代码搞定...

DataCharm

发布于 2024-04-25 18:45:13

1070

发布于 2024-04-25 18:45:13

前言
- 一、「brokenaxes」-截断刻度轴一键绘制，超方便~~
- 二、可视化学习圈子是干什么的？
- 三、系统学习可视化
- 四、猜你喜欢

前言

我们的数据可视化课程已经上线啦！！目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增，这点绝对良心！
我们第一个数据可视化交流圈子也已经上线了，主要以我的第一本书籍《科研论文配图绘制指南-基于Python》为基础进行拓展，提供「课堂式」教学视频，还有更多拓展内容，可视化技巧远超书籍本身，书籍修正和新增都会分享到圈子里面~~
参与课程或者圈子的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

「brokenaxes」-截断刻度轴一键绘制，超方便~~

之前有我们的学员咨询下面的统计图形怎么绘制？说是在学术论文中经常出现，如下：

学员反馈统计图样式

显然，这种图形最大的一个特点就是刻度轴进行了截断处理，下面我们就详细介绍一下截断刻度轴的含义和其Python绘制方法.

截断刻度轴介绍

截断刻度轴是指在数据范围较大时，通过限制刻度轴的显示范围，只显示感兴趣的数据范围，而忽略极端值的一种处理方式。这种方法常用于数据范围差异较大的情况下，以确保图形能够清晰地展示出数据的主要特征，而不会被极端值所影响。

在绘制图形时，截断刻度轴通常与数据预处理和数据可视化相结合，以达到更好地展示数据的目的。

brokenaxes-一键绘制截断刻度轴

介绍完截断刻度轴的含义，那么我们在介绍下如何使用Python进行截断刻度轴的绘制，虽然，Matplotlib官网有介绍该样式的教程(Matplotlib截断刻度轴介绍)，但其操作介绍繁琐，今天给大家介绍另外一个可视化工具- 「brokenaxes」，可以快速对Matplotlib绘图对象进行刻度轴截断操作。

brokenaxes安装

可通过pip对其进行安装，如下：

pip install brokenaxes

brokenaxes可视化案例

import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
import numpy as np

fig = plt.figure(figsize=(5, 2))
bax = brokenaxes(xlims=((0, .1), (.4, .7)), ylims=((-1, .7), (.79, 1)), hspace=.05)
x = np.linspace(0, 1, 100)
bax.plot(x, np.sin(10 * x), label='sin')
bax.plot(x, np.cos(10 * x), label='cos')
bax.legend(loc=3)
bax.set_xlabel('time')
bax.set_ylabel('value')

from brokenaxes import brokenaxes
from matplotlib.gridspec import GridSpec
import numpy as np

sps1, sps2 = GridSpec(2,1)

bax = brokenaxes(xlims=((.1, .3), (.7, .8)), subplot_spec=sps1)
x = np.linspace(0, 1, 100)
bax.plot(x, np.sin(x*30), ls=':', color='m')

x = np.random.poisson(3, 1000)
bax = brokenaxes(xlims=((0, 2.5), (3, 6)), subplot_spec=sps2)
bax.hist(x, histtype='bar')

多子图效果

import matplotlib.pyplot as plt
from brokenaxes import brokenaxes
import numpy as np

fig = plt.figure(figsize=(5, 5))
bax = brokenaxes(
    xlims=((1, 500), (600, 10000)),
    ylims=((1, 500), (600, 10000)),
    hspace=.15,
    xscale='log',
    yscale='log',
)

x = np.logspace(0.0, 4, 100)
bax.loglog(x, x, label='$y=x=10^{0}$ to $10^{4}$')

bax.legend(loc='best')
bax.grid(axis='both', which='major', ls='-')
bax.grid(axis='both', which='minor', ls='--', alpha=0.4)
bax.set_xlabel('x')
bax.set_ylabel('y')
plt.show()

Log scales

更多关于brokenaxes库的介绍，可参考：brokenaxes官网[1]

可视化学习圈子是干什么的？

可视化学习圈子是书籍「科研论文配图绘制指南-基于Python」一书的学下圈子：主要通过以下几个方面，给大家带来比纸质书籍更丰富的学习内容：

视频教学，和读者零距离互动交流
及时修正勘误和定期新增绘制知识点
拓展衍生，绘图知识点远超书籍本身
直播视频+拓展资料+答疑，学习更高效

「PS」：我们直播教学内容为课堂式教学，原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程，圈子中的同学可以免费、反复观看。当然，新增内容和定期答疑，直播也是如此。

为何会有这个书籍学习社群？无门槛的微信群难免会鱼龙混杂，问题和质量都无法得到保证，而且一些关键问题经常被淹没，且没有沉淀价值。
随着添加我微信的人日益增多，向我提问的人也越来越多，随便回答一下就太不负责任了；不回答也不是很好；如果都仔细回答，我也有自己的工作并且确实很忙，真的有点心有余而力不足！所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验，以及给大家提供一个坚持学习的平台。

微信扫码下方二维码即可参与我们的书籍学习圈子啦：

微信扫码即可加入学习圈子

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。