Python Pyplot/Matplotlib：如何实现压缩的y轴

我正在使用pyplot创建一个基于Walter/Lieth可视化的climograph

正如您在图像（上面的链接）上看到的，右y轴从值100开始压缩。他们的视距变小，而数字间隔变大

我不知道如何在pyplot中实现这一点。我知道如何设置刻度值来创建自定义比例，但当然它们总是等距的。正如您在我的绘图中所看到的，右y轴上的绘图空间对应于值的间隔：

也许有人可以给一个提示，如何实现上述两个链接中显示的效果

干杯

给你举个例子：

import matplotlib.pyplot as plt
axes = plt.axes()
axes.set_xlim([-10, 10]) #whatever, optional
axes.set_ylim([0, 1.0]) # whatever, optional
axes.set_xticks([-5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5])
axes.set_yticks([0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100,150,200,300])
plt.plot(x, norm.pdf(x)) #random filler
plt.plot(x, norm.pdf(x, 70.0, 0.1)) #another absolutely random filler
plt.show()

我的示例仅显示了如何调整Y坐标刻度，正如您所想的那样。对不起，显然帮不了你什么忙。我一点也不理解否决票。我想可能会有更好的答案

对于样本（数据）的实际压缩，有几种方法：

• 使用函数缩放数据。可能是分步定义的。i、 e.对于0 解决方案 下面是一个基于Attersons答案的解决方案示例。比例函数取自答案

  从matplotlib导入pyplot作为plt
  def刻度（val、src、dst）：
  """
  将给定值从src比例调整为dst比例。
  """
  返回（（val-src[0]）/（src[1]-src[0]）*（dst[1]-dst[0]）+dst[0]
  #实际数据
  数据=[20,50,100,250,600,200,150,100,40,30,25,20]
  源_标度=（100600）#标度值介于100和600之间
  目的地_标度=（100150）#标度介于100和150之间
  #对大于或等于100的所有数据项应用比例
  数据刻度=[x如果x<100，则x为数据中x的其他刻度（x，源刻度，目标刻度）]
  #设置一个简单的绘图
  图=plt.图（）
  ax=plt.轴（图[0,0,1,1]）
  图添加_轴（ax）
  #将y记号设置为自定义比例
  ax.集合校验（[0,20,40,60,801001010120130140150]）
  ax.set_ylim（0，150）
  #将标签设置为实际值
  ax.设置标签（[“0”、“20”、“40”、“60”、“80”、“100”、“200”、“300”、“400”、“500”、“600”））
  ax.绘图（数据/比例）
  

  ---

  谢谢您的回答！也许我对我的问题描述不够清楚。我知道如何调整y轴刻度。我不知道的是如何调整它，以实现轴的压缩，如我所发布的。在我的示例绘图和您的示例代码中，间隔的大小对应于刻度之间的绘图空间。在我发布的链接中，刻度之间的间隔保持不变，尽管间隔变大了。我希望我能澄清我的意图。好的，我添加了一个链接，用于查看日志刻度。或者，您可以重新标记记号，并使用一个函数将数据从域Y1重新缩放到域Y2，甚至可以重新缩放组合谢谢！我按照你的建议使用了一个函数来缩放数据。成功了。我在我的原始帖子中添加了一个示例解决方案！请不要在问题中提供答案。相反，你可以回答自己的问题。我现在是为你做的。

  from matplotlib import pyplot as plt
  
  def scale(val, src, dst):
          """
          Scale the given value from the scale of src to the scale of dst.
          """
          return ((val - src[0]) / (src[1]-src[0])) * (dst[1]-dst[0]) + dst[0]
  
  # Actual data
  data = [20, 50, 100, 250, 600, 200, 150, 100, 40, 30, 25, 20]
  
  source_scale = (100, 600) # Scale values between 100 and 600
  destination_scale = (100, 150) # to a scale between 100 and 150
  
  # Apply scale to all items of data that are above or equal to 100
  data_scaled = [x if x < 100 else scale(x, source_scale, destination_scale) for x in data]
  
  # Set up a simple plot
  fig = plt.figure()
  ax = plt.Axes(fig, [0.,0.,1.,1.])
  fig.add_axes(ax)
  
  # Set the y-ticks to a custom scale
  ax.set_yticks([0,20,40,60,80,100,110,120,130,140,150])
  ax.set_ylim(0, 150)
  # Set the labels to the actual values
  ax.set_yticklabels(["0","20","40","60","80","100","200","300","400","500","600"])
  
  ax.plot(data_scaled)