如何调整Matplotlib的y轴刻度以显示极小数值的误差棒？

我正在尝试调整y轴刻度，让误差棒能够正常显示，恳请帮忙！

当前代码 #

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
# 如果使用Jupyter notebook，添加：
%matplotlib inline

x = ntermsList
y = allPmuCycleCountAverages
xerr = 0
yerr = allPmuCycleCountStandardDeviations

fig, ax = plt.subplots()

ax.errorbar(x, y, xerr=xerr, yerr=yerr,fmt='-o')

ax.set_xlabel('x-axis')
ax.set_ylabel('y-axis')
ax.set_title('Line plot with error bars')

ax.set_xticks(ntermsList)
ax.set_xticklabels(ntermsList)
ax.set_yticks(allPmuCycleCountAverages)

ax.yaxis.grid(True)
plt.show()

当前生成的图表 #

尝试过的无效方案 #

plt.ylim(-1, 1)

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

plt.yticks(np.arange(min(y), max(y)+0.5, 0.01))

我的需求是：让y轴刻度足够贴近数据点，从而显示出误差棒。

问题根源 #

你当前代码里的ax.set_yticks(allPmuCycleCountAverages)强制将y轴刻度设置为数据点的y值，覆盖了Matplotlib自动计算的轴范围，导致误差棒被不合理的刻度/范围压缩或隐藏；而plt.ylim(-1,1)如果和你的实际数据值差距过大，也会把误差棒压缩到几乎看不见。

解决方案 #

1. 移除强制y轴刻度，让Matplotlib自动适配

删掉ax.set_yticks(allPmuCycleCountAverages)这一行，Matplotlib会根据数据和误差棒的范围自动计算合适的y轴范围与刻度，误差棒就能正常显示。

2. 手动微调y轴范围（可选）

如果自动适配的效果不够理想，可以基于数据和误差范围手动设置y轴上下限，再添加少量余量保证美观：

# 计算包含误差的y轴极值
y_min = min(y) - max(yerr)
y_max = max(y) + max(yerr)
# 添加5%的余量
ax.set_ylim(y_min * 0.95, y_max * 1.05)

3. 自定义均匀刻度（可选）

如果需要自定义刻度但不想破坏误差棒显示，用np.linspace生成均匀分布的刻度，而非直接使用数据点y值：

ax.set_yticks(np.linspace(y_min, y_max, 5))  # 生成5个均匀分布的刻度

完整修改后的代码 #

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
# 如果使用Jupyter notebook，添加：
%matplotlib inline

x = ntermsList
y = allPmuCycleCountAverages
xerr = 0
yerr = allPmuCycleCountStandardDeviations

fig, ax = plt.subplots()

ax.errorbar(x, y, xerr=xerr, yerr=yerr,fmt='-o')

ax.set_xlabel('x-axis')
ax.set_ylabel('y-axis')
ax.set_title('Line plot with error bars')

ax.set_xticks(ntermsList)
ax.set_xticklabels(ntermsList)

# 手动设置y轴范围（可选）
y_min = min(y) - max(yerr)
y_max = max(y) + max(yerr)
ax.set_ylim(y_min * 0.95, y_max * 1.05)
# 可选：自定义均匀刻度
# ax.set_yticks(np.linspace(y_min, y_max, 5))

ax.yaxis.grid(True)
plt.show()

内容的提问来源于stack exchange，提问作者SiennaRose