“log”和“symlog”有什么区别?

我终于找时间做了些实验,以便了解它们之间的区别。我发现:

• log 只允许正值,并允许您选择如何处理负值( mask 或 clip ).
• symlog 方法 ,并允许正值和负值。
• 符号

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')

# How to treat negative values?
# 'mask' will treat negative values as invalid
# 'mask' is the default, so the next two lines are equivalent
pyplot.xscale('log')
pyplot.xscale('log', nonposx='mask')

# 'clip' will map all negative values a very small positive one
pyplot.xscale('log', nonposx='clip')

# 'symlog' scaling, however, handles negative values nicely
pyplot.xscale('symlog')

# And you can even set a linear range around zero
pyplot.xscale('symlog', linthreshx=20)

为了完整起见,我使用了以下代码来保存每个数字:

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

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 this

符号 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。

http://matplotlib.sourceforge.net/api/axes_api.html#matplotlib.axes.Axes.set_xscale

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

symlog可以帮助您在需要一个日志图的情况下解决问题,但是有时值可能会下降到零,但是您仍然希望能够以一种有意义的方式在图上显示它。如果你需要symlog,你会知道的。

下面是一个需要symlog时的行为示例:

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

[ '

对数比例图。一切都崩溃了。

    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')

'

符号标度图。一切都是应该的。

    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')