如何用Python设置图表XY轴及子图展示大数据集并优化显示

我来帮你一步步解决这两个Matplotlib可视化的常见需求，都是日常做图表时经常遇到的场景～

1. 如何使用Python对图表的X轴和Y轴进行显示与编辑？ #

如果用的是Matplotlib（Python最常用的绘图库），编辑X/Y轴的核心操作都是通过Axes对象来完成的，给你整理几个高频用法：

• 设置轴标签（明确轴含义）：用ax.set_xlabel()和ax.set_ylabel()，还能自定义标签的字体大小、颜色等细节

  ax.set_xlabel('时间(分钟)', fontsize=12, color='darkblue')
  ax.set_ylabel('温度(℃)', fontsize=12)
  

• 自定义轴刻度：用ax.set_xticks()和ax.set_yticks()指定刻度位置，要是需要给刻度加特殊文本（比如把数字换成月份），可以搭配ax.set_xticklabels()使用

  # 设置X轴为你需要的刻度值
  ax.set_xticks([0, 20, 40, 60, 80, 100])
  # 给Y轴刻度补充说明
  ax.set_yticks([0, 30, 60, 90])
  ax.set_yticklabels(['0', '30', '60', '90(峰值)'])
  

• 调整轴显示范围：如果想聚焦某段数据，用ax.set_xlim()和ax.set_ylim()手动设置轴的起止值

  ax.set_xlim(0, 80)  # 只展示X轴0到80的区间
  ax.set_ylim(0, 100)
  

• 简化轴边框：要是想让图表更清爽，可以隐藏不需要的边框（比如顶部、右侧的边框）

  ax.spines['top'].set_visible(False)
  ax.spines['right'].set_visible(False)
  

2. 多数据集用子图展示+优化刻度设置 #

你提供的代码是单图绘制逻辑，改成子图展示的话，我们可以通过plt.subplots()指定子图的行列数，再对每个子图单独配置刻度和样式，同时做一些细节优化。这里给你修改后的完整示例：

import matplotlib.pyplot as plt

# 模拟两组数据集（你可以替换成自己的真实数据）
LIST1 = [0, 20, 40, 60, 80, 100]
LIST2 = [0, 32, 58, 89, 61, 28]
LIST3 = [0, 20, 40, 60, 80, 100]
LIST4 = [15, 42, 70, 95, 68, 35]

# 创建1行2列的子图，设置合适画布大小避免拥挤，同时共享Y轴让对比更直观
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 5), sharey=True)

# 处理第一组子图
ax1.plot(LIST1, LIST2, marker='o', color='#1f77b4')  # 加标记点让数据更清晰
ax1.set(xlabel='X轴', ylabel='Y轴', title='第一组数据')
# 设置你指定的刻度值
ax1.set_xticks([0, 20, 40, 60, 80, 100])
ax1.set_yticks([0, 30, 60, 90])
ax1.grid(alpha=0.3)  # 降低网格透明度，避免干扰数据展示

# 处理第二组子图
ax2.plot(LIST3, LIST4, marker='s', color='#ff7f0e')
ax2.set(xlabel='X轴', title='第二组数据')
# 复用相同刻度，保证两组数据的可视化对比更准确
ax2.set_xticks([0, 20, 40, 60, 80, 100])
ax2.set_yticks([0, 30, 60, 90])
ax2.grid(alpha=0.3)

# 自动调整子图间距，避免标签和标题重叠
plt.tight_layout()
plt.show()

几个关键优化点说明：

• 用sharey=True让两个子图共享Y轴，既减少重复标签，又让数据对比更直观
• 给线条加标记点（marker参数），让每个数据点的位置更清晰
• 降低网格透明度（alpha），保留网格的辅助作用但不抢数据的风头
• 设置合适的画布大小（figsize），避免子图挤在一起影响阅读

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