作為Python生態中應用最廣泛的繪圖庫，Matplotlib用起來非常簡單，也很容易上手，不過有些細節想要做得盡善盡美，就需要仔細閱讀它的檔案了，對于初學者來說，反轉坐標軸、繪制雙軸（將兩個動態范圍不同的資料繪制在一張圖上，分別使用兩個不同的坐標軸）有一定難度，改變坐標軸刻度的樣式或內容，更是無從下手，

本文匯總了和軸、刻度相關的七個Matplotlib使用技巧，并給出了實體代碼，

1 反轉坐標軸

使用axes.invert_xaxis() 函式和axes.invert_yaxis() 函式可分別反轉x軸和y軸，這兩個函式均不需要任何引數，下面的例子使用影像繪制函式 imshow() 來演示反轉軸，imshow() 函式通過origin引數實作y軸反轉，這里將其固定為“lower”，

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

y, x = np.mgrid[-2:2:200j, -3:3:300j]
z = np.exp(-x**2-y**2) - np.exp(-(x-1)**2-(y-1)**2)

fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
ax1.imshow(z, cmap='jet', origin='lower')
ax2.imshow(z, cmap='jet', origin='lower')
ax3.imshow(z, cmap='jet', origin='lower')
ax4.imshow(z, cmap='jet', origin='lower')
ax2.invert_xaxis()
ax3.invert_yaxis()
ax4.invert_xaxis()
ax4.invert_yaxis()
ax1.set_title("正常的X、Y軸")
ax2.set_title("反轉X軸")
ax3.set_title("反轉Y軸")
ax4.set_title("反轉X、Y軸")
plt.show()

反轉軸后的效果如下圖 所示，

2 繪制雙軸

Matplotlib支持在一個子圖上顯示兩個x軸或兩個y軸，使用axes.twinx()函式可顯示雙x軸，使用 axes.twiny() 函式可顯示雙 y 軸，以下代碼演示了使用 axes.twiny() 函式顯示雙 y 軸，

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(-2*np.pi, 2*np.pi, 200)
y1 = np.square(x)
y2 = np.cos(x)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax_twinx = ax.twinx()
ax.plot(x, y1, c='r')
ax_twinx.plot(x, y2, c='g', ls='-.')
plt.show()

效果如下圖所示，

3 設定坐標軸范圍

使用axes.set_xlim(left, right) 和axes.set_ylim(bottom, top) 函式設定x 與y軸的顯示范圍，函式引數分別是能夠顯示的最小值和最大值，如果最大值或最小值為 None，則表示只限制坐標軸一端的值域范圍，

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot(x, y, c='r')
ax1.set_ylim(-0.8, 0.8)
ax2 = fig.add_subplot(122)
ax2.plot(x, y, c='g')
ax2.set_xlim(-np.pi, 3*np.pi)
plt.show()

以上代碼重新設定了子圖坐標軸范圍，效果如下圖所示，左圖縮小了 y 軸的范圍，右圖擴大了 x 軸的范圍，

4 設定主副刻度

主副刻度常用于日期時間軸，如主刻度顯示年份，副刻度顯示月份，非線性的對數軸往往也需要顯示副刻度，Matplotlib提供了4個函式來設定x軸和y軸的主副刻度，

• ax.xaxis.set_major_locator(locator) ：用于設定 x 軸主刻度，
• ax.xaxis.set_minor_locator(locator) ：用于設定 x 軸副刻度，
• ax.yaxis.set_major_locator(locator) ：用于設定 y 軸主刻度，
• ax.yaxis.set_minor_locator(locator) ：用于設定 y 軸副刻度，

函式的locator引數實體有兩種，分別是來自ticker和dates兩個子模塊中有關刻度的子類實體，下面的代碼演示了在x軸上設定日期時間相關的主副刻度，

import numpy as np
from matplotlib import pyplot as plt
import matplotlib.dates as mdates

x = np.arange('2019-01', '2019-06', dtype='datetime64[D]')
y = np.random.rand(x.shape[0])

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y, c='g')
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('\n%Y-%m-%d'))
ax.xaxis.set_minor_locator(mdates.DayLocator(bymonthday=(1,11,21)))
ax.xaxis.set_minor_formatter(mdates.DateFormatter('%d'))
plt.show()

效果如下圖所示，

5 設定刻度顯示密度

Matplotlib的ticker子模塊包含的Locator類是所有刻度類的基類，負責根據資料的范圍自動調整視覺間隔以及刻度位置的選擇，MultipleLocator是Locator的派生類，能夠控制刻度的疏密，

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

plt.rcParams['font.sans-serif'] = ['FangSong']
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 4*np.pi, 500)

fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.plot(x, np.sin(x), c='m')
ax1.yaxis.set_major_locator(MultipleLocator(0.3))
ax2 = fig.add_subplot(122)
ax2.plot(x, np.sin(x), c='m')
ax2.xaxis.set_major_locator(MultipleLocator(3))
ax2.xaxis.set_minor_locator(MultipleLocator(0.6))
ax1.set_title('X軸刻度自動調整，Y軸設定刻度間隔0.3')
ax2.set_title('X軸設定主刻度間隔3副刻度間隔0.6，Y軸刻度自動調整')
plt.show()

以上代碼創建了兩個子圖，繪圖結果如下圖所示，左圖演示了如何設定 y 軸的主刻度密度，右圖演示了如何設定 x 軸主刻度和副刻度的密度，

6 設定刻度文本樣式

設定刻度文本的顏色、字體、字號或旋轉文本等樣式，需要使用axes.get_xticklabels() 或axes.get_yticklabels() 函式獲取x軸或y軸的文本物件串列，文本物件中包含設定文本大小、顏色、旋轉角度的函式，使用對應函式即可完成設定，

import numpy as np
from matplotlib import pyplot as plt
import matplotlib.dates as mdates

x = np.arange('2019-01', '2020-01', dtype='datetime64[D]')
y = np.random.rand(x.shape[0])

fig = plt.figure()
ax = fig.add_axes([0.1, 0.3, 0.8, 0.6])
ax.plot(x, y, c='g')
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y/%m/%d'))

for lobj in ax.get_xticklabels():
    lobj.set_rotation(35)
    lobj.set_size(12)
    lobj.set_color('blue')

plt.show()

以上代碼設定 x 軸的刻度文本字號大小為 12 號、顏色為藍色，并將刻度文本逆時針旋轉35°，效果如下圖所示，

7 設定刻度文本內容

在有些應用場景中，需要將 x 軸或 x 軸刻度上的文字設定為更有標識意義的內容，使用set_xticklabels( ) 和 set_yticklabels( ) 函式可以替換刻度文本，不過只適用于所有可能的取值都已經顯示在坐標軸上的情況，例如，x 軸對應的是串列[0,1,2,3]，共4個取值，顯示的刻度也是4個，此時可以使用 [’ 一季度 ‘,’ 二季度 ‘,’ 三季度 ‘,’ 四季度 '] 替換對應的數值，

Matplotlib 提供了強大的刻度文本格式化功能，ticker.Formatter 作為基類派生出了多種形式的格式化類，FuncFormatter就是其中之一，使用FuncFormatter可以更加靈活地設定刻度文本內容，

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

plt.rcParams['font.sans-serif'] = ['FangSong'] # 設定字體以便正確顯示漢字
plt.rcParams['axes.unicode_minus'] = False # 正確顯示連字符

x = np.linspace(0, 10, 200)
y = np.square(x)

def func_x(x, pos):
    return '%0.2f秒'%x

def func_y(y, pos):
    return '%0.2f°C'%y

formatter_x = FuncFormatter(func_x)
formatter_y = FuncFormatter(func_y)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.plot(x, y, c='r')
ax.xaxis.set_major_formatter(formatter_x)
ax.yaxis.set_major_formatter(formatter_y)
plt.show()

以上代碼將x軸和y軸的刻度文本格式化為百分之一的精度，并附帶度量單位，繪圖結果如下圖所示，