matplotlib中寄生轴上的网格线

Question

你能在matplotlib中用寄生轴画出图中的网格线吗？

我尝试这样做，基于网格和寄生轴的样本，但不执行网格绘制：

from mpl_toolkits.axes_grid.parasite_axes import SubplotHost
import matplotlib.pyplot as plt

fig = plt.figure(1)

host = SubplotHost(fig, 111)
fig.add_subplot(host)

par = host.twinx()

host.set_xlabel("Distance")
host.set_ylabel("Density")
par.set_ylabel("Temperature")

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par.plot([0, 1, 2], [0, 3, 2], label="Temperature")

host.axis["left"].label.set_color(p1.get_color())
par.axis["right"].label.set_color(p2.get_color())

host.grid(True)

host.legend()

plt.show()

Answer 1

从讨论here来看，这似乎是.99版本中的一个错误。

(我不确定为什么它适用于doug，但在0.99.1.1-r1版本上，rcParams的组合不适用于我。)

在该link中，答案是调用：

host.toggle_axisline(False)

toggle_axisline所做的仅仅是使x轴和y轴(它们负责在主线mpl中绘制刻度线、刻度线标签等)再次可见，并使轴“底部”等不可见。

整个程序变成：

from mpl_toolkits.axes_grid.parasite_axes import SubplotHost
import matplotlib.pyplot as plt

fig = plt.figure(1)

host = SubplotHost(fig, 111)
fig.add_subplot(host)

par = host.twinx()

host.set_xlabel("Distance")
host.set_ylabel("Density")
par.set_ylabel("Temperature")

p1, = host.plot([0, 1, 2], [0, 1, 2], label="Density")
p2, = par.plot([0, 1, 2], [0, 3, 2], label="Temperature")

host.axis["left"].label.set_color(p1.get_color())
par.axis["right"].label.set_color(p2.get_color())

host.toggle_axisline(False)
host.grid(True)

host.legend()

plt.show()

​

​

Answer 2

对于这种类型的绘图，并不总是很容易一眼就知道哪个对象应该调用“grid”。

绕过这种不便的一种方法是编辑您的配置文件，这样就可以在不更改任何代码的情况下获得绘图上的网格线，并担心是否有正确的对象调用‘grid’。这可能足以让您做您需要做的事情，但以防万一：

1. 下载示例matplotlibrc文件here或在上检索您的副本关于此文件的第195行左右，查找标题(作为注释) "### AXES"；
   1. 在该标题下五-六行您将看到此行并将值设置为“True”；
   2. 现在向下读取此文件到第235行左右，其中您将看到标题“###
   3. ”；
   4. 取消注释接下来的三行('grid.color‘、'grid.linestyle’和grid.linewidth')，并为这三个参数提供合理的值(我的参数分别是：'darkslategray‘、':’和0.7 )。( ':‘值表示我的网格线将是虚线。)
   5. 将该文件另存为：~/.matplotlibrary/matplotlibrc(换句话说，在顶级用户目录中创建一个名为’.matplotlibrary‘的目录，不要忘记前导'.'，然后将您正在编辑的文件命名为'matplotlibrc'.

就这样。(缺点是，当您创建不需要网格线的绘图时--对于这些绘图，我将保持此配置文件不变，并根据需要创建其他配置文件并在其中进行切换(有关如何执行此操作，请参阅relevant Matplotlib page )。

此外，这个配置文件很容易使用ipython进行编辑--这可能是大多数用户的做法，但这在这里可能会让人感到困惑。