Matplotlib：设置 x-limits 也会强制刻度标签？

Question

我刚刚升级到 matplotlib 2.0，我觉得我在吃药。我正在尝试制作一个对数线性图，y 轴在线性刻度上，x 轴在 log10 刻度上。以前，下面的代码可以让我准确地指定我想要刻度的位置，以及我想要它们的标签是什么：

import matplotlib.pyplot as plt

plt.plot([0.0,5.0], [1.0, 1.0], '--', color='k', zorder=1, lw=2)

plt.xlim(0.4,2.0)
plt.ylim(0.0,2.0)

plt.xscale('log')

plt.tick_params(axis='x',which='minor',bottom='off',top='off')

xticks = [0.4, 0.6, 0.8, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0]
ticklabels = ['0.4', '0.6', '0.8', '1.0', '1.2', '1.4', '1.6', '1.8', '2.0']
plt.xticks(xticks, ticklabels)

plt.show()

但是在 matplotlib 2.0 中，这现在导致我得到一组重叠的刻度标签，其中 matplotlib 显然想要自动创建刻度：

但如果我注释掉“plt.xlim(0.4,2.0)”行并让它自动确定轴限制，则没有重叠的刻度标签，我只得到我想要的：

但这不起作用，因为我现在有无用的 x 轴限制。

有什么想法吗？

编辑：对于将来搜索互联网的人来说，我越来越相信这实际上是 matplotlib 本身的一个错误。我恢复到 v. 1.5.3。只是为了避免这个问题。

Answer 1

重叠的额外刻度标签源自图中存在的一些次要刻度标签。要摆脱它们，可以将次要格式化程序设置为NullFormatter：

plt.gca().xaxis.set_minor_formatter(matplotlib.ticker.NullFormatter())

问题的完整代码可能如下所示

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

x = np.linspace(0,2.5)
y = np.sin(x*6)
plt.plot(x,y, '--', color='k', zorder=1, lw=2)

plt.xlim(0.4,2.0)

plt.xscale('log')

xticks = [0.4, 0.6, 0.8, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0]
ticklabels = ['0.4', '0.6', '0.8', '1.0', '1.2', '1.4', '1.6', '1.8', '2.0']
plt.xticks(xticks, ticklabels)

plt.gca().xaxis.set_minor_formatter(matplotlib.ticker.NullFormatter())

plt.show()

以下代码可能更直观，因为它没有将 xticklabels 设置为字符串，我们使用FixedLocator 和ScalarFormatter。
此代码生成与上面相同的图。

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

x = np.linspace(0,2.5)
y = np.sin(x*6)
plt.plot(x,y, '--', color='k', zorder=1, lw=2)

plt.xlim(0.4,2.0)
plt.xscale('log')

xticks = [0.4, 0.6, 0.8, 1.0, 1.2, 1.4, 1.6, 1.8, 2.0]

xmajorLocator = matplotlib.ticker.FixedLocator(locs=xticks) 
xmajorFormatter = matplotlib.ticker.ScalarFormatter()
plt.gca().xaxis.set_major_locator( xmajorLocator )
plt.gca().xaxis.set_major_formatter( xmajorFormatter )
plt.gca().xaxis.set_minor_formatter(matplotlib.ticker.NullFormatter())

plt.show()