python - 如何使 pyplot 均匀分布 y 刻度值 [0, 1/2, 3/4, 7/8, ...]

Question

我想通过收敛概率曲线图比较几种算法。

目前，我的图表如下所示:

这不允许看到许多曲线的差异。

我希望 y Axis 为“对数”，但与值 1 不同，即我希望 y 值为 [0, 1/2, 3/4, 7/8, 15/16 , ... 1023/1024], 但因此每个刻度与最后一个刻度的距离仍然相同(即，从 1/2 到 3/4 的距离与从 15/16 到 31/32 的距离相同) .

我试过使用 yticks() 函数，但它没有均匀放置刻度:

How do I make this axis look right?

---

我当前的代码:

def plotCDFs(CDFs, names = []):
   legend = []
   for i, CDF in enumerate(CDFs):
       keys = sorted(CDF)
       vals = sorted(CDF.values())
       plt.plot(keys,vals)
       legend.append(str(names[i]))
   plt.title('Cumulative Distribution')
   plt.legend(legend, loc='lower right')
   plt.xscale('log')
   plt.gca().set_ylim([0,1])
   #plt.yticks([1-2**-i for i in xrange(11)])
   plt.show()

Answer 1

有两种可能性:您可以在普通的对数对数图中绘制1-cumulative Distribution，这是我通常做的，或者您(可能)必须创建自己的对数图如上所述。至少我从未见过实现此目的的内置函数。

这段代码应该可以工作

import numpy as np
import matplotlib.pyplot as plt

def ToLog(x):
    return 1.-np.log10(1.-x)

def plotCDFs(CDFs, names = []):
    legend = []
    max_vals = 0.0
    for i, CDF in enumerate(CDFs):
        keys = sorted(CDF)
        vals = sorted(CDF.values())
        if vals.max() > max_vals:
            max_vals = vals
        plt.plot(keys,ToLog(vals))
        legend.append(str(names[i]))
    plt.title('Cumulative Distribution')
    plt.legend(legend, loc='lower right')
    plt.xscale('log')

    # handling the yaxis ticks and ticklabels
    i_max = np.floor(np.log(1-max_vals.max())/np.log(2.))
    yticks = 1.-2.**np.linspace(i_max,0,-i_max+1)
    ax = plt.gca()
    ax.set_yticks(1.-np.log10(1.-yticks))
    ax.set_yticklabels([str(i-1)+'/'+str(i) for i in 2**np.arange(-int(i_max),0,-1)])

    ax.set_ylim([0,1])
    plt.show()

请注意，在绘图之前，必须将 ToLog 应用于所有 ydata。