如何为Numpy处理数据的Matplotlib子图添加次要刻度？

核心问题修正 #

• 变量命名冲突：你把plt.subplots返回的子图数组命名为plt，直接覆盖了matplotlib.pyplot模块，导致后续调用相关功能出错，应该改成axs。
• 次要刻度归属：次要刻度是Matplotlib坐标轴的功能，和Numpy无关，不用找Numpy的属性，直接通过Matplotlib的坐标轴对象设置即可。
• 刻度设置语法错误：正确的次要刻度设置方式是调用坐标轴对象的xaxis.set_minor_locator()方法，并且需要导入MultipleLocator工具类。

完整可运行代码 #

import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator  # 导入次要刻度定位器
import pandas as pd
import numpy as np

# 创建7行1列的子图，共享X轴
fig, axs = plt.subplots(7, 1, sharex=True, figsize=(5, 12))

# 替换成你的文件列表和对应系数
file_list = ['file1.txt', 'file2.txt', 'file3.txt', 'file4.txt', 'file5.txt', 'file6.txt', 'file7.txt']
coeff_list_A = [33.4, 28.1, 30.5, 35.2, 29.7, 31.8, 34.3]  # 每个文件A列的系数
coeff_list_B = [1/144, 1/120, 1/96, 1/80, 1/72, 1/60, 1/48]  # 每个文件B列的系数

# 循环处理每个文件并绘图
for i, (file_path, coeff_A, coeff_B) in enumerate(zip(file_list, coeff_list_A, coeff_list_B)):
    # 读取数据文件
    data = pd.read_csv(file_path, header=0, delimiter='\s+', index_col=False)
    # 用Numpy处理数据：转为Numpy数组后乘以对应系数
    processed_A = data['A'].to_numpy() * coeff_A
    processed_B = data['B'].to_numpy() * coeff_B
    # 在对应子图绘制曲线
    axs[i].plot(processed_A, processed_B)
    # 子图标题（可选，按需添加）
    axs[i].set_title(f'第{i+1}组数据')

# 因为共享X轴，只需给最后一个子图设置刻度，所有子图会同步
axs[-1].xaxis.set_minor_locator(MultipleLocator(5))
# 可选：只显示次要刻度线，隐藏标签
axs[-1].xaxis.set_minor_formatter(plt.NullFormatter())

# 自动调整子图间距，避免重叠
plt.tight_layout()
plt.show()

关键细节说明 #

• Numpy数据处理：通过data['A'].to_numpy()把Pandas列转为Numpy数组，再执行乘法运算，完全基于Numpy的数组操作逻辑。
• 共享X轴刻度同步：设置sharex=True后，所有子图共用同一X轴，只需对最后一个子图设置次要刻度，其他子图会自动同步生效。
• 次要刻度可视化：如果需要显示次要刻度线，添加xaxis.set_minor_formatter可以隐藏次要刻度的文字标签，只保留刻度线，让图表更整洁。

内容的提问来源于stack exchange，提问作者rexa