如何基于自定义重复X轴刻度绘制非等间距数据

已知同类问题通常直接用数据X值作为X轴刻度，但本次需求存在核心差异：

• 数据点的X值非等间距
• 需要基于固定重复的X轴序列绘图，该序列为测量窗口从3.5到4.9再返回3.5，示例：range = [3.5, 3.6,...,4.8, 4.9, 4.8,..., 3.6, 3.5]
• 要求在单个坐标轴内呈现类似目标图的往返效果

尝试以下方法均未解决问题：

• 使用plt.xticks设置自定义重复刻度，出现4.8到3.6的刻度重复问题
• 手动拆分数据绘图，结合ax.set_xticks和ax.set_xticklabels也无法实现需求

data_df数据示例 #

[[4.2, 416394000.0], [4.55, 417501000.0], ..., [3.41905, 328130000.0]]

尝试代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data_df = ...
# 创建刻度
ticks = np.arange(3.5, 4.9, 0.1)
ticks = np.append(ticks, np.arange(4.8, 3.5, -0.1))
# 绘图
fig = plt.figure(figsize=(10,7.5))
ax = plt.subplot()
plt.xticks(ticks)
ax.scatter(data_df.x, data_df.y)
plt.show()

最小复现代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data_df = pd.DataFrame([[1.0, 3], [1.1, 4], ..., [1.2, 4]], columns = ['x', 'y'])
xticks = np.arange(1, 2, 0.1)
xticks = np.append(xticks, np.arange(2, 0.9, -0.1))
fig = plt.figure()
ax = plt.subplot()
plt.xticks(xticks)
ax.scatter(data_df.x, data_df.y)
plt.show()

核心思路：将重复的X轴序列映射为连续索引作为绘图的实际X坐标，再用原序列值作为刻度标签，从底层避免刻度重复冲突，同时呈现往返效果。

步骤1：生成目标往返X轴序列 #

# 生成3.5到4.9的正向序列（步长0.1，用5.0确保包含4.9）
forward = np.arange(3.5, 5.0, 0.1)
# 生成4.8到3.5的反向序列（步长-0.1）
backward = np.arange(4.8, 3.4, -0.1)
# 合并为完整往返序列
target_x = np.concatenate([forward, backward])

步骤2：匹配数据点到目标序列的索引 #

如果数据X值与目标序列不完全一致，通过找最接近值的方式匹配索引：

# 为每个数据点添加绘图用的X索引列
data_df['plot_x'] = [np.argmin(np.abs(target_x - x)) for x in data_df['x']]

步骤3：绘图并设置刻度 #

用索引作为实际X坐标绘图，再将目标序列值设为刻度标签：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载data_df（此处省略数据加载代码）
# 生成目标X序列
forward = np.arange(3.5, 5.0, 0.1)
backward = np.arange(4.8, 3.4, -0.1)
target_x = np.concatenate([forward, backward])

# 匹配索引
data_df['plot_x'] = [np.argmin(np.abs(target_x - x)) for x in data_df['x']]

# 绘图
fig, ax = plt.subplots(figsize=(10,7.5))
ax.scatter(data_df['plot_x'], data_df['y'])

# 设置刻度：索引位置对应目标序列数值
ax.set_xticks(np.arange(len(target_x)))
ax.set_xticklabels([f'{x:.1f}' for x in target_x])

# 可选：旋转刻度避免重叠
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

最小复现代码适配 #

将目标序列替换为示例中的1.0到2.0往返序列即可：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

data_df = pd.DataFrame([[1.0, 3], [1.1, 4], [1.2, 4], [1.9, 5], [1.8, 4], [1.0, 3]], columns = ['x', 'y'])
# 生成目标X序列
forward = np.arange(1.0, 2.1, 0.1)
backward = np.arange(1.9, 0.9, -0.1)
target_x = np.concatenate([forward, backward])

# 匹配索引
data_df['plot_x'] = [np.argmin(np.abs(target_x - x)) for x in data_df['x']]

# 绘图
fig, ax = plt.subplots()
ax.scatter(data_df['plot_x'], data_df['y'])
ax.set_xticks(np.arange(len(target_x)))
ax.set_xticklabels([f'{x:.1f}' for x in target_x])
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

说明 #

• 此方法通过索引映射让底层X轴保持连续，彻底解决重复刻度的冲突问题
• 刻度标签显示所需的往返数值，视觉效果符合需求
• 若数据X值与目标序列完全一一对应，可直接用目标序列的索引作为plot_x，无需找最接近值

内容的提问来源于stack exchange，提问作者jtAxiom