如何使用Matplotlib重新映射坐标轴范围并设置自定义刻度

这是个很常见的可视化需求，我来给你两种简单易上手的实现方式：

第一步：先确定转换公式的参数 #

根据你给出的对应关系，我们先算出x_real = a + x * b里的a和b：

• 当原始x轴为0时，真实值是-4.8573，代入公式可得a = -4.8573
• 当原始x轴为4时，真实值是12.443，代入公式计算b：

  b = (12.443 - a) / 4
  # 计算结果：b ≈ (12.443 + 4.8573)/4 ≈4.325075
  

方法一：手动设置刻度位置与标签 #

如果你已经明确想要显示哪些刻度（比如-5、0、10、15），这种方法直接直观：

1. 列出你想要展示的真实刻度值
2. 用公式x = (x_real - a)/b计算每个真实刻度对应的原始x轴位置
3. 用plt.xticks()把原始位置和真实标签绑定起来

修改后的完整代码：

import matplotlib.pyplot as plt

image = [[0.0, 0.0, 0.0, 0.0, 0.0], 
         [0.2, 0.0, 0.1, 0.0 ,0.0], 
         [0.0, 0.0, 0.3, 0.0 ,0.0], 
         [0.0, 0.0, 0.0, 0.0, 0.0], 
         [0.0, 0.0, 0.0, 0.0, 0.0]]

# 定义转换参数
a = -4.8573
b = (12.443 - a) / 4  # ≈4.325075

plt.imshow(image, cmap="plasma", interpolation='nearest')
plt.colorbar()
plt.xlabel("axis x (real values)")
plt.ylabel("axis y")

# 自定义x轴刻度：真实值列表
real_ticks = [-5, 0, 10, 15]
# 计算每个真实值对应的原始x轴位置
original_positions = [(tick - a)/b for tick in real_ticks]
# 设置刻度位置和对应的标签
plt.xticks(ticks=original_positions, labels=real_ticks)

plt.show()

方法二：使用FuncFormatter自动转换（更灵活） #

如果希望matplotlib自动处理所有刻度的转换，不用手动计算每个位置，可以用matplotlib.ticker.FuncFormatter实现动态转换：

完整代码：

import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

image = [[0.0, 0.0, 0.0, 0.0, 0.0], 
         [0.2, 0.0, 0.1, 0.0 ,0.0], 
         [0.0, 0.0, 0.3, 0.0 ,0.0], 
         [0.0, 0.0, 0.0, 0.0, 0.0], 
         [0.0, 0.0, 0.0, 0.0, 0.0]]

# 定义转换参数
a = -4.8573
b = (12.443 - a) / 4  # ≈4.325075

plt.imshow(image, cmap="plasma", interpolation='nearest')
plt.colorbar()
plt.xlabel("axis x (real values)")
plt.ylabel("axis y")

# 定义转换函数：把原始x值转成真实值，.1f控制显示小数位数
def x_axis_formatter(x, pos):
    return f"{a + x*b:.1f}"

# 给x轴应用自定义格式化器
plt.gca().xaxis.set_major_formatter(FuncFormatter(x_axis_formatter))
# 可选：设置x轴范围，确保覆盖所有图像内容
plt.xlim(-0.5, 4.5)

plt.show()

这种方法的优势是，不管matplotlib自动生成哪些刻度，都会自动转换成真实值，适合需要动态调整刻度的场景。

内容的提问来源于stack exchange，提问作者Alex