在 Matplotlib 中创建不连续轴

简介：

使用 Matplotlib 创建绘图时，通常使用连续的 x 轴。然而，可能存在需要不连续轴的情况，其中 x 轴值中出现间隙或跳跃。这对于显示缺失值或分布稀疏的数据非常有用。

使用子图：

创建不连续轴的一种方法是使用子图。每个子图都可以分配不同范围的 x 轴值，从而导致子图之间存在间隙。这是一个简单的例子：

import matplotlib.pyplot as plt

x1 = np.linspace(0, 5, 100)
y1 = np.sin(x1)

x2 = np.linspace(10, 15, 100)
y2 = np.cos(x2)

plt.subplot(1, 2, 1)
plt.plot(x1, y1)

plt.subplot(1, 2, 2)
plt.plot(x2, y2)

plt.show()

自定义轴变换：

创建不连续轴的另一种方法是使用自定义轴变换。通过定义新的转换类，我们可以指定数据如何映射到轴。以下代码演示了这种方法：

import matplotlib.pyplot as plt
from matplotlib.transforms import Transform
from matplotlib.ticker import LogLocator

class DiscontinuousTransform(Transform):
    def __init__(self, breaks):
        Transform.__init__(self)
        self.breaks = breaks

    def transform(self, values):
        new_values = values.copy()
        for break in self.breaks:
            new_values[values > break]  = 1
        return new_values

    def inverted(self):
        return InvertedDiscontinuousTransform(self.breaks)

class InvertedDiscontinuousTransform(Transform):
    def __init__(self, breaks):
        Transform.__init__(self)
        self.breaks = breaks

    def transform(self, values):
        new_values = values.copy()
        for break in self.breaks:
            new_values[values >= break] -= 1
        return new_values

    def inverted(self):
        return DiscontinuousTransform(self.breaks)

x = np.linspace(0, 10, 100)
y = np.sin(x)

trans = DiscontinuousTransform([5])
locator = LogLocator(base=10)
locator.set_params(minor_locator=None)

plt.plot(x, y, transform=trans)

plt.gca().xaxis.set_major_locator(locator)
plt.gca().xaxis.set_major_formatter(plt.FormatStrFormatter("%0.0f\n(pert)"))

plt.show()

结论：

在 Matplotlib 中创建不连续轴可以使用子图或自定义轴转换来实现。自定义转换方法提供了更大的灵活性和对轴行为的控制。这两种方法都可以有效地可视化具有间隙或不连续性的数据。