Function 将上对数轴作为下线性轴的函数进行绘图

我想用线性x轴和y轴绘制一个图，再加上一个对数顶部x轴，显示刻度作为底部x轴的函数。我不确定传递给刻度的是什么，或者单独定义构建上对数轴刻度的函数是否更方便（类似于这样做）。我希望上对数轴上的刻度以

0.1

的步长显示。 这是一个MWE：

from matplotlib.ticker import ScalarFormatter, FormatStrFormatter

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

fig, ax1 = plt.subplots(1, figsize=(10,6))

ax1.set_ylabel(r'y axis')
ax1.set_xlabel(r'Linear axis')
ax1.set_ylim(0.1,1.)
ax1.set_xlim(0.1,1.5)

#Upper lox-axis
new_tick_locations = 
[np.log(i*1.e37/(2.*(3.809e8))) for i in np.arange(0.1, 10., 0.1)] #I should pass something else instead of arange
                                                  #I'd like the upper axis ticks in steps of 0.1 anyway

axup=ax1.twiny()
axup.set_xticks(new_tick_locations)

axup.set_xlabel(r'Log axis')
plt.show()

通过遵循您共享的代码，我根据您的需要修改了代码

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

from matplotlib.ticker import StrMethodFormatter

fig, ax1 = plt.subplots(1, figsize=(10,6))

ax1.set_ylabel(r'y axis')
ax1.set_xlabel(r'Linear axis')

ax1.set_xlim(0.1,1.5)

#Upper lox-axis
def tick_function(x):
    v = np.log(x*1.e37/(2.*(3.809e8)))
    return ["%.1f" % z for z in v]


axup_locations = np.arange(0.1, 10., 0.1)


axup=ax1.twiny()

axup.set_xscale('log')
axup.set_xlim(0.1,100)
axup.set_yscale('linear')
axup.xaxis.set_major_formatter(StrMethodFormatter('{x:.0f}'))


axup.set_xlabel(r'Log axis')
plt.show()

次轴 更新：事实证明，这比使用

twiny（）要简单得多。

。您可以使用

函数

参数指定底轴和顶轴之间的变换和反函数：

导入matplotlib.pyplot作为plt
将numpy作为np导入
图，ax1=plt.子批次（1，figsize=（10,6））
ax1.set_ylabel（“y轴”）
ax1.set_xlabel（'线性轴'）
ax1.set_ylim（0.1,1.）
ax1.set_xlim（0.1e-9，1.5e-9）
#用x*（a*b）变换并用x/（a*b）反转的次x轴
a、 b=4.*np.pi，np.float64（（2.*3.086e22）**2。）
axup=ax1.secondary_xaxis（'top'，functions=（lambda x:x*（a*b），lambda x:x/（a*b）））
axup.setxscale（'log'））
axup.set_xlabel（'对数轴'）
plt.show（）

原始示例：

#用x*a/b变换的次x轴和用x*b/a反转的次x轴
ax1.设置\u xlim（0.1,10.）
a、 b=1.e37，2.*（3.809e8）
axup=ax1.secondary_xaxis（'top'，functions=（lambda x:x*a/b，lambda x:x*b/a））

---

回拨 您可以使用连接

ax1

与

axup

：

[您可以连接到的

Axes

callback]事件是

xlim\u changed

和

ylim\u changed

，将使用

func（ax）

调用回调，其中

ax

是

Axes

实例

此处，

ax1.xlim\u已更改

事件将触发

scale\u axup（）

以缩放

axup.xlim

为

scale（ax1.xlim）

。请注意，我将

xlim

增加到10，以演示更多的主要刻度：

从matplotlib.ticker导入LogFormatterMathtext
将matplotlib.pyplot作为plt导入
将numpy作为np导入
图，ax1=plt.子批次（1，figsize=（15,9））
#axup定标器
刻度=λx:x*1.e37/（2.*（3.809e8））
#将axup.xlim设置为缩放（ax1.xlim）
def比例放大（ax1）：
#在两个轴上镜像xlim
左、右=缩放（np.array（ax1.get_xlim（）））
axup.set_xlim（左、右）
#将xticks设置为0.1e28间隔
xticks=np.arange（float（f'{left:.1e}'），float（f'{right:.1e}'），0.1e28）
set_xticks（[float（f'{tick:.0e}'）用于xticks中的tick]）
axup.xaxis.set_major_格式化程序（LogFormatterMathtext（））
#重新绘制以更新xticks
axup.figure.canvas.draw（）
#将ax1与axup连接（在ax1.set_xlim（）之前）
axup=ax1.twiny（）
axup.setxscale（'log'））
axup.set_xlabel（r‘对数轴’）
ax1.回调.连接（r'xlim\u changed'，scale\u axup）
ax1.设置标签（y轴）
ax1.设置标签（r‘线性轴’）
ax1.set_ylim（0.1,1.）
ax1.设置\u xlim（0.1,10.）
plt.show（）

谢谢。但是，我希望这些刻度像对数轴刻度一样分开（例如），我明白你的意思。我刚刚更新了我的答案，这就是你想要的吗？这更接近，但它改变了yaxis上的比例，在我的例子中，它绘制了一个函数，我不确定它来自哪里。查看图形中的y轴，并将其与

ax1.set_ylim（0.1,1.）

进行比较。此外，如果可能的话，顶部的刻度不应该是scientific notation.Updated。不过，我对勾号功能有点困惑。通过使用它，您到底想在axup上绘制什么？删除科学符号。谢谢。但这根本不考虑函数

tick\u函数

axup

显示

axup=f（ax1）

上的值的函数。谢谢。但是，这样axup刻度就不会像日志刻度那样分开，例如，@Py ser不确定我是否理解。使用您的换算公式，

axup

刻度在60的范围内。根据您的其他评论，我认为您希望

axup

在线性轴和转换公式之间有对应关系，例如0.1->62.44、0.8->64.52、1.4->65.08等。让我们来看看。