matplotlib中ax.loglog()及下游函数疑似异常问题求助

问题现象 #

我需绘制数值范围为10^5至108、大量点集中于小量级的数据集，希望通过对数轴优化分布展示。但使用matplotlib的ax.loglog()（及semilogx/semilogy、ax.set_xscale/set_yscale等相关函数）时出现行为不一致：

• 为每个子图依次设置对数轴时，结果不符合预期；
• 仅为最后一个子图设置对数轴时，所有子图却成功切换为对数轴。

代码示例 #

依次设置对数轴的代码 #

fig, ax = plt.subplots(1,4,sharey=True, figsize=(15,6), sharex=True)

y=variable_to_predict # called NSW Equivalent Emissions
xs=["Prediction (TOBD)","Prediction (TOBD,Sep/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD,Peer)"]

for i, x in enumerate(xs):
    maxval = 10**8
    sns.lineplot(x=np.linspace(ED_DATA[y].min(),maxval,10),y=np.linspace(ED_DATA[y].min(),maxval,10),
                 color="red", ax=ax[i])

    sns.scatterplot(data=ED_DATA,y=y,x=x,
                    hue = "State", alpha=0.7, linewidth=0, ax=ax[i])
    
    ax[i].loglog()

plt.show()

仅设置最后一个子图的代码 #

fig, ax = plt.subplots(1,4,sharey=True, figsize=(15,6), sharex=True)

y=variable_to_predict # called NSW Equivalent Emissions
xs=["Prediction (TOBD)","Prediction (TOBD,Sep/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD,Peer)"]

for i, x in enumerate(xs):
    maxval = 10**8
    sns.lineplot(x=np.linspace(ED_DATA[y].min(),maxval,10),y=np.linspace(ED_DATA[y].min(),maxval,10),
                 color="red", ax=ax[i])

    sns.scatterplot(data=ED_DATA,y=y,x=x,
                    hue = "State", alpha=0.7, linewidth=0, ax=ax[i])
    
ax[3].loglog()

plt.show()

底层逻辑解释 #

核心原因在于子图共享轴（sharex=True/sharey=True）的同步机制：

• 当设置共享轴时，所有子图会共用同一组轴尺度配置（X轴或Y轴的Axis对象是共享的），修改任意一个子图的轴尺度，都会同步到所有共享轴的子图。
• 循环中逐个调用ax[i].loglog()时，每次设置对数轴后，后续调用的seaborn绘图函数（lineplot/scatterplot）会自动根据数据重置轴的范围和尺度（默认行为），导致之前设置的对数轴被覆盖，最终只有最后一次设置可能生效，但因为前面的绘图操作不断重置，所以整体结果不符合预期。
• 仅设置最后一个子图的对数轴时，所有绘图操作已完成，此时修改共享轴的尺度会同步到所有子图，且不会被后续绘图操作覆盖，因此所有子图都能正确显示对数轴。

正确使用方法 #

方法1：先设置对数轴，再绘制图表 #

利用共享轴的同步特性，先为任意一个子图设置对数轴，再执行绘图操作，避免绘图函数重置尺度：

fig, ax = plt.subplots(1,4,sharey=True, figsize=(15,6), sharex=True)

# 先为共享轴设置对数尺度（设置一个即可同步所有子图）
ax[0].set_xscale("log")
ax[0].set_yscale("log")

y=variable_to_predict # called NSW Equivalent Emissions
xs=["Prediction (TOBD)","Prediction (TOBD,Sep/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD,Peer)"]

for i, x in enumerate(xs):
    maxval = 10**8
    sns.lineplot(x=np.linspace(ED_DATA[y].min(),maxval,10),y=np.linspace(ED_DATA[y].min(),maxval,10),
                 color="red", ax=ax[i])

    sns.scatterplot(data=ED_DATA,y=y,x=x,
                    hue = "State", alpha=0.7, linewidth=0, ax=ax[i])

plt.show()

方法2：创建子图时直接指定对数轴 #

在plt.subplots中通过xscale和yscale参数直接初始化对数轴，所有共享轴的子图会默认使用该尺度：

fig, ax = plt.subplots(1,4,sharey=True, figsize=(15,6), sharex=True, xscale="log", yscale="log")

y=variable_to_predict # called NSW Equivalent Emissions
xs=["Prediction (TOBD)","Prediction (TOBD,Sep/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD,Peer)"]

for i, x in enumerate(xs):
    maxval = 10**8
    sns.lineplot(x=np.linspace(ED_DATA[y].min(),maxval,10),y=np.linspace(ED_DATA[y].min(),maxval,10),
                 color="red", ax=ax[i])

    sns.scatterplot(data=ED_DATA,y=y,x=x,
                    hue = "State", alpha=0.7, linewidth=0, ax=ax[i])

plt.show()

方法3：禁止自动缩放，避免尺度被重置 #

如果需要在绘图后设置对数轴，可以先关闭轴的自动缩放功能，防止绘图函数修改尺度：

fig, ax = plt.subplots(1,4,sharey=True, figsize=(15,6), sharex=True)

y=variable_to_predict # called NSW Equivalent Emissions
xs=["Prediction (TOBD)","Prediction (TOBD,Sep/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD)","Prediction (TOBD,Sep/TOBD,ED/TOBD,Peer)"]

for i, x in enumerate(xs):
    maxval = 10**8
    # 关闭自动缩放
    ax[i].autoscale(False)
    sns.lineplot(x=np.linspace(ED_DATA[y].min(),maxval,10),y=np.linspace(ED_DATA[y].min(),maxval,10),
                 color="red", ax=ax[i])

    sns.scatterplot(data=ED_DATA,y=y,x=x,
                    hue = "State", alpha=0.7, linewidth=0, ax=ax[i])
    
    ax[i].loglog()

plt.show()

内容的提问来源于stack exchange，提问作者ThePythonGuy