Matplotlib自动设置刻度：包含数据、指定数量且按需显示0刻度

需求明确 #

• 刻度必须完全包含数据的最小/最大值（例如数据最大值为40时，最大刻度至少为40）
• 刻度数量控制在3-5个（根据数据分布动态调整）
• 当数据同时包含正负值时，强制显示0刻度

问题分析 #

默认Matplotlib刻度存在以下问题：

• 自动刻度能显示0，但可能出现数据超出刻度范围的情况，且无法控制刻度数量
• 手动设置刻度可包含数据极值，但会丢失0刻度，不利于数据对比
• 对称刻度方案在数据分布不均时（如大部分数据在正区间），会导致负区间刻度冗余，图表布局不合理

解决方案：自定义刻度生成函数 #

通过结合MaxNLocator的自动步长计算逻辑，手动处理0刻度的插入和刻度数量控制，实现所有需求：

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

def get_custom_ticks(y_data, target_ticks=4):
    y_min = np.min(y_data)
    y_max = np.max(y_data)
    crosses_zero = y_min < 0 and y_max > 0

    if crosses_zero:
        # 分别计算正负区间的刻度
        pos_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
        pos_ticks = pos_locator.tick_values(0, y_max)
        neg_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
        neg_ticks = neg_locator.tick_values(y_min, 0)
        
        # 合并刻度并去重
        all_ticks = np.unique(np.concatenate([neg_ticks, pos_ticks]))
        
        # 确保包含数据极值
        if all_ticks[0] > y_min:
            all_ticks = np.insert(all_ticks, 0, y_min)
        if all_ticks[-1] < y_max:
            all_ticks = np.append(all_ticks, y_max)
        all_ticks = np.unique(all_ticks)
        
        # 调整刻度数到3-5之间
        while len(all_ticks) > 5:
            target_ticks -= 1
            pos_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
            pos_ticks = pos_locator.tick_values(0, y_max)
            neg_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
            neg_ticks = neg_locator.tick_values(y_min, 0)
            all_ticks = np.unique(np.concatenate([neg_ticks, pos_ticks]))
            if all_ticks[0] > y_min:
                all_ticks = np.insert(all_ticks, 0, y_min)
            if all_ticks[-1] < y_max:
                all_ticks = np.append(all_ticks, y_max)
            all_ticks = np.unique(all_ticks)
        while len(all_ticks) < 3:
            target_ticks += 1
            pos_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
            pos_ticks = pos_locator.tick_values(0, y_max)
            neg_locator = MaxNLocator(nbins=target_ticks//2, steps=[1, 2, 2.5, 5, 10])
            neg_ticks = neg_locator.tick_values(y_min, 0)
            all_ticks = np.unique(np.concatenate([neg_ticks, pos_ticks]))
            if all_ticks[0] > y_min:
                all_ticks = np.insert(all_ticks, 0, y_min)
            if all_ticks[-1] < y_max:
                all_ticks = np.append(all_ticks, y_max)
            all_ticks = np.unique(all_ticks)
        return all_ticks
    else:
        # 非跨0数据，直接生成包含极值的刻度
        locator = MaxNLocator(nbins=target_ticks, steps=[1, 2, 2.5, 5, 10])
        initial_ticks = locator.tick_values(y_min, y_max)
        
        # 确保包含数据极值
        if initial_ticks[0] > y_min:
            initial_ticks = np.insert(initial_ticks, 0, y_min)
        if initial_ticks[-1] < y_max:
            initial_ticks = np.append(initial_ticks, y_max)
        initial_ticks = np.unique(initial_ticks)
        
        # 调整刻度数到3-5之间
        while len(initial_ticks) < 3:
            target_ticks += 1
            locator = MaxNLocator(nbins=target_ticks, steps=[1, 2, 2.5, 5, 10])
            initial_ticks = locator.tick_values(y_min, y_max)
            if initial_ticks[0] > y_min:
                initial_ticks = np.insert(initial_ticks, 0, y_min)
            if initial_ticks[-1] < y_max:
                initial_ticks = np.append(initial_ticks, y_max)
            initial_ticks = np.unique(initial_ticks)
        while len(initial_ticks) > 5:
            target_ticks -= 1
            locator = MaxNLocator(nbins=target_ticks, steps=[1, 2, 2.5, 5, 10])
            initial_ticks = locator.tick_values(y_min, y_max)
            if initial_ticks[0] > y_min:
                initial_ticks = np.insert(initial_ticks, 0, y_min)
            if initial_ticks[-1] < y_max:
                initial_ticks = np.append(initial_ticks, y_max)
            initial_ticks = np.unique(initial_ticks)
        return initial_ticks

# 生成测试数据
datax = np.arange(0.0, 11.0, 0.1)
datay1 = 10 + np.sin(datax)
datay2 = np.random.normal(0, 10.0, datax.shape)
datay = [datay1, datay2]

# 批量绘制图表
fig, axs = plt.subplots(1, 2, figsize=(12, 5))
ax = axs.flatten()

for idx in range(len(ax)):
    ax[idx].scatter(datax, datay[idx])
    ax[idx].grid()
    # 应用自定义刻度
    y_ticks = get_custom_ticks(datay[idx])
    ax[idx].set_yticks(y_ticks)
    # 优化刻度标签显示格式
    ax[idx].yaxis.set_major_formatter(plt.FormatStrFormatter('%.1f'))

plt.tight_layout()
plt.show()

方案优势 #

1. 极值完全覆盖：通过强制插入数据最小/最大值，确保所有数据点都在刻度范围内
2. 刻度数可控：动态调整MaxNLocator的nbins参数，将刻度数稳定在3-5个
3. 0刻度强制显示：针对跨0数据，分别计算正负区间刻度并合并，自动保留0刻度，同时避免对称刻度的冗余布局
4. 批量适配：函数可直接用于批量图表生成，无需手动调整每个图表的刻度

内容的提问来源于stack exchange，提问作者Pfrances