本文将解释如何在Matplotlib中使用对数尺度。
对数尺对于绘制包含极小数字和极大数字的数据非常有用，因为使用对数尺来绘制数据时，您可以轻松查看所有的数字，太小的数字并不会被压缩得太紧。
首先，让我们复习一下高中数学。对数是通过将大数视为10的幂来使之变小的方法。除10之外，还有其他对数底数，例如数学中使用的由常数e=2.718…给出的自然对数。但是，为方便起见，我们将使用以10为底的对数。log10x = y表示10的幂y等于x，即10 ** y = x。因此，因为10**2 = 100，所以log10100=2。Matplotlib中的二维图表具有yscale和xscale。刻度表示沿轴的刻度或刻度线。它们可以是以下任意一种：●matplotlib.scale.LinearScale—这些只是数字，例如1、2、3。 ●matplotlib.scale.LogScale—这些是10的幂。您可以使用由数字e给出的任何底数，如2或自然对数值。使用不同的底数将会缩小或扩大绘图元素的间距，令它们更加清晰明了。●matplotlib.scale.SymmetricalLogScale和matplotlib.scale.LogitScale—这些用于小于1的数，特别是对数为极大负数的极小数。Amazon、Alphabet (Google)和Intel的规模比我们虚拟的Pete’s、Clock和Buckey’s BBQ等小公司大很多倍。这些小公司与Amazon之间的差异是巨大的，因此，每家小公司的图都位于线性标尺的同一垂直线0上。正如本示例那样，如果未明确设置，Matplotlib将选择轴的比例。底部的小符号le11表示x轴是科学计数法，在本示例中表示收入是10**11的倍数（1000亿美元）。Amazon的收入$232,887,000,000是2.325*(10**11)。而Pete’s的收入$600,000（作为11的幂）是0.000006*(10**11)。这也解释了为什么即使是Pepsi这样的大公司，在下图中也接近于0。因此，在下图中，我们使用对数尺修正了这个问题。请参见下面的代码说明。在这里，除了包含plt.xscale(“log”)之外，其他一切都是一样的。因为将这些值以10的幂进行显示，因此更加一目了然，无论是Pete’s区区60万美元的收入6*(10**6)，还是大约是其10万倍的Amazon收入100,000 (10**5)。现在，您可以通过收入更加清楚地了解每家公司的规模。如果不熟悉数据科学，则可能很难理解其中一些使用了Pandas和NumPy的代码。具有讽刺意味的是，Pandas的创建目的正是为了简化表类型的数据处理。第一步是将我们创建的数据作为字典进行提取并将其转换为panda数据框。该数据的索引将是公司名称。我们说orient=’index’，意思是取第一个条目作为索引值。然后为其分配一个列名columns=[‘Revenue’]。公司名称因为不是一个列，而是一个行索引，因此没有列名。接下来，我们必须将收入字符串转换为数字。否则，它们将由matplotlib作为字母进行排序。现在，我们要创建一个系列，即只有一列的数据框。这些值将是前一个数据框的索引。这就是我们以数据列Company的方式将公司列出的方法。接下来，我们将把刚刚创建的系列的值作为另一列添加到dat数据框中。然后，我们来绘制散点图，给出提供x和y值的数据框。每个数据框都具有相同的形状(7,)，您可以使用data[‘Revenue’].shape进行检查。形状有时是很难理解的NumPy概念。它基本上是指数组的维数。在xy图中，它们必须是相同的。如果您想了解更多关于BMC相关信息，请点击阅读全文了解详情。
