Python '；日志'；和'；symlog'；？

在中，我可以使用或设置轴缩放。这两个函数都接受三种不同的刻度：

'linear'

|

'log'

|

'symlog'

'log'

和

'symlog'

之间有什么区别？在我做的一个简单测试中，他们看起来完全一样

---

我知道文档上说它们接受不同的参数，但我仍然不理解它们之间的区别。有人能解释一下吗？答案将是最好的，如果它有一些示例代码和图形！（还有：名称“symlog”从何而来？

symlog类似于log，但允许您定义一个接近零的值范围，在该范围内，绘图是线性的，以避免绘图在零附近变为无穷大

从

在对数图中，你永远不会有一个零值，如果你有一个接近零的值，它会从你的图的底部向下尖峰（无限向下），因为当你取“log（接近零）”时，你会得到“接近负无穷大”

---

symlog可以帮助您解决需要使用日志图的情况，但有时该值可能会下降到零，但您仍然希望能够以有意义的方式在图上显示该值。如果你需要symlog，你会知道的。

我终于找到时间做了一些实验，以了解它们之间的区别。以下是我的发现：

• log

  仅允许正值，并允许您选择如何处理负值（

  mask

  或

  clip

  ）

• symlog

  表示对称对数，允许正值和负值

• symlog

  允许在绘图中设置零附近的范围将是线性的，而不是对数的

我认为通过图形和示例，一切都会变得更容易理解，所以让我们尝试一下：

import numpy
from matplotlib import pyplot

# Enable interactive mode
pyplot.ion()

# Draw the grid lines
pyplot.grid(True)

# Numbers from -50 to 50, with 0.1 as step
xdomain = numpy.arange(-50,50, 0.1)

# Plots a simple linear function 'f(x) = x'
pyplot.plot(xdomain, xdomain)
# Plots 'sin(x)'
pyplot.plot(xdomain, numpy.sin(xdomain))

# 'linear' is the default mode, so this next line is redundant:
pyplot.xscale('linear')

为了完整起见，我使用以下代码保存每个数字：

# Default dpi is 80
pyplot.savefig('matplotlib_xscale_linear.png', dpi=50, bbox_inches='tight')

请记住，您可以使用以下方法更改体形大小：

fig = pyplot.gcf()
fig.set_size_inches([4., 3.])
# Default size: [8., 6.]

---

（如果您不确定我是否要回答自己的问题，请阅读）

以下是一个需要symlog时的行为示例：

初始绘图，未缩放。注意有多少点聚集在x~0处

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

[ "

对数比例绘图。所有内容都崩溃了。

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('log')
    ax.set_yscale('log')
    ax.set(xlabel='Score, log', ylabel='Total Amount Deposited, log')

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('symlog')
    ax.set_yscale('symlog')
    ax.set(xlabel='Score, symlog', ylabel='Total Amount Deposited, symlog')

"

为什么会崩溃？因为x轴上的一些值非常接近或等于0

Symlog缩放图。一切正常。

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('log')
    ax.set_yscale('log')
    ax.set(xlabel='Score, log', ylabel='Total Amount Deposited, log')

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('symlog')
    ax.set_yscale('symlog')
    ax.set(xlabel='Score, symlog', ylabel='Total Amount Deposited, symlog')

---

嗯……我读到了，但我仍然不知道什么时候应该使用这两种方法。我希望能有一些图形化的例子，这样我才能真正了解symlog试图解决的问题是什么。

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('log')
    ax.set_yscale('log')
    ax.set(xlabel='Score, log', ylabel='Total Amount Deposited, log')

    ax = sns.scatterplot(x= 'Score', y ='Total Amount Deposited', data = df, hue = 'Predicted Category')

    ax.set_xscale('symlog')
    ax.set_yscale('symlog')
    ax.set(xlabel='Score, symlog', ylabel='Total Amount Deposited, symlog')