Python画图教程：如何设置横坐标 - 详细指南

为什么需要设置横坐标？

在数据可视化中，合理设置横坐标对于准确传达信息至关重要。Python的Matplotlib库提供了丰富的选项来自定义横坐标，包括：

设置坐标轴标签
调整刻度位置和密度
自定义刻度标签格式
限制坐标轴范围
旋转刻度标签
添加次要刻度
使用对数刻度
日期时间格式化

基本横坐标设置

1. 设置横坐标标签

使用plt.xlabel()添加横坐标标签：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.figure(figsize=(10, 6))
plt.plot(x, y)

# 设置横坐标标签
plt.xlabel("时间 (秒)", fontsize=12, fontweight='bold', color='#333')

plt.title("正弦波示例", fontsize=14)
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()

2. 设置横坐标范围

使用plt.xlim()限制横坐标范围：

# 接上面的代码
plt.figure(figsize=(10, 6))
plt.plot(x, y)

# 设置横坐标范围
plt.xlim(2, 8)  # 只显示2到8之间的区域

plt.xlabel("时间 (秒)")
plt.title("限制范围的横坐标", fontsize=14)
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()

3. 设置横坐标刻度

使用plt.xticks()自定义刻度：

plt.figure(figsize=(10, 6))
plt.plot(x, y)

# 自定义刻度位置和标签
plt.xticks(
    ticks=[0, np.pi, 2*np.pi, 3*np.pi],  # 刻度位置
    labels=['0', 'π', '2π', '3π'],       # 刻度标签
    fontsize=10
)

plt.xlabel("角度 (弧度)", fontsize=12)
plt.title("自定义横坐标刻度", fontsize=14)
plt.grid(True, linestyle=':', alpha=0.5)
plt.show()

高级横坐标设置技巧

1. 旋转刻度标签

当标签较长或密度较高时，旋转标签可提高可读性：

import pandas as pd

# 创建示例数据
dates = pd.date_range('2023-01-01', periods=10, freq='D')
values = np.random.rand(10) * 100

plt.figure(figsize=(12, 6))
plt.bar(dates, values, color='#4c72b0')

# 旋转刻度标签
plt.xticks(
    rotation=45,        # 旋转45度
    ha='right',         # 水平对齐方式
    fontsize=9
)

plt.xlabel("日期", fontsize=12)
plt.ylabel("数值", fontsize=12)
plt.title("旋转横坐标标签示例", fontsize=14)
plt.tight_layout()
plt.show()

2. 使用对数刻度

当数据范围跨越多个数量级时，对数刻度更合适：

x_log = np.logspace(0, 3, 100)  # 从10^0到10^3
y_log = np.log(x_log)

plt.figure(figsize=(10, 6))
plt.plot(x_log, y_log, color='#c44e52')

# 设置对数刻度
plt.xscale('log')

plt.xlabel("对数坐标", fontsize=12)
plt.ylabel("log(x)", fontsize=12)
plt.title("横坐标对数刻度示例", fontsize=14)
plt.grid(True, which='both', linestyle='--', alpha=0.5)
plt.show()

3. 日期时间格式化

处理时间序列数据时，正确格式化日期非常重要：

from matplotlib.dates import DateFormatter

# 创建更长的日期序列
dates = pd.date_range('2023-01-01', periods=90, freq='D')
values = np.cumsum(np.random.randn(90)) + 100

plt.figure(figsize=(12, 6))
plt.plot(dates, values, color='#55a868')

# 创建日期格式化器
date_format = DateFormatter("%b %d")  # 月 日格式

# 获取当前坐标轴
ax = plt.gca()
ax.xaxis.set_major_formatter(date_format)

# 自动旋转日期标签
plt.gcf().autofmt_xdate()

plt.xlabel("2023年日期", fontsize=12)
plt.title("日期格式化横坐标", fontsize=14)
plt.grid(True, linestyle='--', alpha=0.3)
plt.tight_layout()
plt.show()

完整示例：综合应用

以下示例综合展示了多种横坐标设置技巧：

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

# 创建数据
start_date = datetime(2023, 1, 1)
end_date = datetime(2023, 6, 30)
dates = [start_date + timedelta(days=x) for x in range(0, (end_date - start_date).days)]
values = np.sin(np.linspace(0, 4*np.pi, len(dates))) * 50 + 100

# 创建图表
plt.figure(figsize=(14, 7))

# 绘制数据
plt.plot(dates, values, 'o-', color='#4c72b0', linewidth=2, markersize=5)

# 设置横坐标
plt.xlabel("日期", fontsize=14, fontweight='bold')
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.gca().xaxis.set_major_locator(mdates.MonthLocator())

# 旋转日期标签避免重叠
plt.xticks(rotation=30, ha='right', fontsize=10)

# 设置横坐标范围
plt.xlim(datetime(2023, 1, 15), datetime(2023, 6, 15))

# 添加网格
plt.grid(True, linestyle='--', alpha=0.6)

# 设置标题和纵坐标
plt.title("2023年上半年数据趋势", fontsize=16, pad=20)
plt.ylabel("指标值", fontsize=14)

# 添加水平参考线
plt.axhline(y=100, color='gray', linestyle='--', alpha=0.5)

# 紧凑布局
plt.tight_layout()
plt.show()