如何在matplotlib或其他绘图库中将y轴刻度转换为对应对数值

你不需要手动转换所有原始数据的数值，只需要通过自定义刻度显示规则，就能让每个原始刻度位置展示其对应的对数值，不会改动原始数据的绘图逻辑。

方案一：自定义刻度格式化器（推荐，不改动原有轴的坐标映射逻辑） #

这个方法适合你原本的y轴是线性分布，只是想把每个位置的刻度文字换成对应的对数值的场景，完全不改变数据的绘图位置。

• 借助matplotlib的ticker.FuncFormatter组件，给y轴绑定自定义的文字生成规则
• 格式化逻辑：拿到每个刻度对应的原始数值，计算其对数值后，返回成要显示的文字
• 额外做边界判断，避免计算log(0)时出现报错

可直接运行的示例代码：

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

# 生成测试数据
x = np.linspace(0, 10, 100)
y = np.linspace(0.001, 1, 100)  # 原始y值范围覆盖0.001到1

fig, ax = plt.subplots(figsize=(6, 4))
ax.plot(x, y)

# 定义刻度格式化规则
def log_display_formatter(original_val, tick_position):
    # 处理接近0的极小值边界，避免log(0)计算异常
    if original_val <= 1e-10:
        return "0"
    # 计算以10为底的对数值，取整显示
    return f"{np.log10(original_val):.0f}"

# 把格式化规则绑定到y轴
ax.yaxis.set_major_formatter(FuncFormatter(log_display_formatter))

# 可手动指定需要展示的原始刻度位置，比如和示例数据匹配的几个值
ax.set_yticks([0.001, 0.01, 0.1, 1])

ax.set_xlabel("自变量x")
ax.set_ylabel("log10(y)")
plt.tight_layout()
plt.show()

自定义提示：如果需要计算其他底数的对数值，只需要替换计算逻辑即可：比如自然对数直接用np.log(original_val)，任意底数b的对数用np.log(original_val)/np.log(b)。

方案二：刻度位置按对数分布+显示对数标签 #

如果你需要y轴的坐标位置本身按对数规则分布（即不同数量级的数值间的轴间距符合对数刻度的视觉逻辑），只要在上面的基础上多加一行轴缩放设置即可：

# 给y轴设置对数缩放，改变坐标位置的映射规则
ax.set_yscale("log")
# 后续绑定同一个对数显示格式化器即可
ax.yaxis.set_major_formatter(FuncFormatter(log_display_formatter))

其他绘图库的适配逻辑 #

• Seaborn：作为matplotlib的高层封装，直接复用上面的自定义格式化器逻辑即可，不需要额外适配
• Plotly：手动通过tickvals指定每个原始数值对应的刻度位置，再通过ticktext传入预先计算好的对数值作为显示文字，和matplotlib手动指定刻度的逻辑完全一致

内容的提问来源于stack exchange，提问作者savasci