Matplotlib中Semilogy绘图对数刻度标记显示不一致问题

我使用Matplotlib的semilogy绘制ax1和ax2两个子图，代码逻辑完全一致，但仅ax2显示y轴对数刻度标记。尝试过ax1.yaxis.set_major_locator(plt.LogLocator(base=10.0, numticks=15))仍未解决，需要实现ax1自动显示对数刻度标记。

相关代码如下：

def plot_optimization_results(history):
    """
    Plot the optimization results
    """
    iterations = [h['iteration'] for h in history]
    f_values = [h['f'] for h in history]
    F_norms = [h['grad_norm'] for h in history]
    x_values = np.array([h['x'] for h in history])
    
    # Create figure with subplots
    fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(15, 5))
    
    # Plot merit function value
    ax1.semilogy(iterations, f_values)
    ax1.xaxis.set_major_locator(plt.MultipleLocator(5))
    ax1.set_xlabel('Iteration')
    ax1.set_ylabel('Merit Function Value')
    ax1.set_title('Convergence of Merit Function')
    ax1.grid(True)
    
    # Plot norm of F(x)
    ax2.semilogy(iterations, F_norms)
    ax2.xaxis.set_major_locator(plt.MultipleLocator(5))
    ax2.set_xlabel('Iteration')
    ax2.set_ylabel('||F(x)||')
    ax2.set_title('Norm of F(x) vs Iteration')
    ax2.grid(True)

    ...
    return fig

效果截图：

问题原因与解决办法 #

这种情况通常是因为ax1中f_values的数据范围过窄，Matplotlib自动隐藏了部分刻度标记。可以通过以下几种方式解决：

1. 强制显示所有刻度标记 #

在ax1的绘图代码后添加以下代码，强制开启主、次刻度的显示：

# 设置主刻度定位器
ax1.yaxis.set_major_locator(plt.LogLocator(base=10.0, numticks=15))
# 设置次刻度定位器，显示所有中间刻度线
ax1.yaxis.set_minor_locator(plt.LogLocator(base=10.0, subs='all'))
# 强制显示y轴的主、次刻度
ax1.tick_params(axis='y', which='both', visible=True)

2. 手动指定y轴范围 #

如果f_values的数据范围确实很小，可以手动扩大y轴的对数范围，给刻度标记留出足够空间：

ax1.set_ylim(bottom=min(f_values)*0.1, top=max(f_values)*10)

3. 强制格式化刻度标签 #

使用LogFormatterSciNotation确保刻度标签正确渲染：

from matplotlib.ticker import LogFormatterSciNotation
ax1.yaxis.set_major_formatter(LogFormatterSciNotation(base=10.0))

修改后的完整代码示例 #

import matplotlib.pyplot as plt
from matplotlib.ticker import LogLocator, LogFormatterSciNotation
import numpy as np

def plot_optimization_results(history):
    """
    Plot the optimization results
    """
    iterations = [h['iteration'] for h in history]
    f_values = [h['f'] for h in history]
    F_norms = [h['grad_norm'] for h in history]
    x_values = np.array([h['x'] for h in history])
    
    # Create figure with subplots
    fig, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(15, 5))
    
    # Plot merit function value
    ax1.semilogy(iterations, f_values)
    ax1.xaxis.set_major_locator(plt.MultipleLocator(5))
    # 解决对数刻度不显示问题
    ax1.yaxis.set_major_locator(LogLocator(base=10.0, numticks=15))
    ax1.yaxis.set_minor_locator(LogLocator(base=10.0, subs='all'))
    ax1.tick_params(axis='y', which='both', visible=True)
    ax1.set_xlabel('Iteration')
    ax1.set_ylabel('Merit Function Value')
    ax1.set_title('Convergence of Merit Function')
    ax1.grid(True)
    
    # Plot norm of F(x)
    ax2.semilogy(iterations, F_norms)
    ax2.xaxis.set_major_locator(plt.MultipleLocator(5))
    ax2.set_xlabel('Iteration')
    ax2.set_ylabel('||F(x)||')
    ax2.set_title('Norm of F(x) vs Iteration')
    ax2.grid(True)

    ...
    return fig

内容的提问来源于stack exchange，提问作者Thibaultofc