matplib非线性化轴

matplib非线性化轴

问题回顾

上一篇文章我们最终画到了这样的图

这里我们知道它并非直线，但在图片中直接观察，我们看不到这样的效果。
matplotlib给出了一些默认非线性化的轴，显然我的不适用。

解决办法

然后我就去查api了
看不懂…

但是多多少少还是有些收获，里面指出了非线性化轴的思想：对这个轴重新映射投影。
例如：这样一组值：[1,10,20,50,80,100,500,1000]
   我们使用一些非线性化函数来缩短他们值之间的差距。
这里的非线性函数我使用的是x^n次方的反函数相当于y^(1/n)，选取奇函数大于0的那半只，在负号情况下使用添加符号的方法使其成为奇函数，避免重复值。
我们先来看一下x^n的走势



**可以发现x^n都通过（0,0）和（1,1）这点，对于0-1之间的数，n越大，变化的越剧烈，同样的在1到正无穷上，越大的数变化的越快。我们恰巧使用的就是这一部分。
例如：1-2与100-101，两者相差1，但在n=2时，一个是1-4，一个是10000-10201。x轴上同样的距离表示了两个数值上差许多数量级的数。
我们的非线性化轴就是要表示这种效果。对于等距的轴，每一段表示的数值并不相等

现在你把上面的图像旋转九十度，把y作为输入，x为输出，是不是就变成了输入差距很大，但在输出的时候变化不大了？

而这个变化大小取决于n的选取，正向时n越大，输出变化越大，反过来1/n时同样变化距离，原数据的输出变化越大。也就是说你的原始数据差距越大，就应该吧n调大，来减小特别大的值占用轴的空间。

代码

import numpy
from matplotlib import pyplot
def nolinear_plot_test(i_data,num,level):i_len=len(i_data)#取输入数据数量o_step=int(i_len/num)#计算步长并向下取整o_lable=i_data[0:i_len:o_step]#取要标记的标签值lablesreal_value=list(range(0,i_len,1))for i in range(0,i_len,1):#非线性函数，输出变化后实际横轴的值if (i_data[i])>=0:real_value[i]=(i_data[i])**(1/level)else:real_value[i] = -((-i_data[i]) ** (1 /level))o_ticks=real_value[0:i_len:o_step]#取要标记的轴值ticksreturn real_value,o_ticks,o_lable

i_data是你要改变的那个轴原始数据，num是你显示的值的数量，level是你想设置的非线性化程度最好是奇数，偶数我还没有试过。
输出中，real_value是你绘图时使用的坐标轴上的值，o_ticks与o_lable是在修正这个轴标签时使用。
绘图时替换原始的轴数据，这我替换的是y轴的

pyplot.plot(x1,real_value,color='green')

然后用ticks修正轴上的显示

icks(ticks=o_ticks,labels=o_lable)

对之前的图进行一下处理（下面是处理了x轴的效果，y轴不需要处理），这次能看出来是曲线了，坐标轴可能显示还是有些不尽人意，但还可以接受