“log”和“symlog”有什么区别？

Question

在 matplotlib 中，我可以使用

pyplot.xscale()

或

Axes.set_xscale()

设置轴缩放比例。这两个函数都接受三种不同的比例：

'linear'

|

'log'

|

'symlog'

。

'log'

和

'symlog'

有什么区别？在我做的一个简单测试中，它们看起来完全一样。

我知道文档说它们接受不同的参数，但我仍然不明白它们之间的区别。有人可以解释一下吗？如果有一些示例代码和图形，答案将是最好的！ （另外：“symlog”这个名字从何而来？）

Answer 1

我终于找到时间做了一些实验，以了解它们之间的区别。这是我的发现：

• log

  只允许正值，并让您选择如何处理负值（

  mask

  或

  clip

  ）。

• symlog

  表示对称对数，并且允许正值和负值。

• symlog

  允许在绘图内设置零附近的范围，该范围将是线性的而不是对数的。

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，我使用以下代码来保存每个图形：

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

请记住，您可以使用以下方法更改图形大小：

fig = pyplot.gcf()
fig.set_size_inches([4., 3.])
# Default size: [8., 6.]

（如果您不确定我是否回答自己的问题，请阅读此）

Answer 2

symlog 与 log 类似，但允许您定义接近零的值范围，在该范围内绘图呈线性，以避免绘图在零附近趋于无穷大。

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

在对数图中，你永远不可能有零值，如果你有一个接近于零的值，它会从你的图形底部急剧下降（无限向下），因为当你取“log（接近零）”时你会得到“接近负无穷大”。

symlog 可以帮助您解决以下情况：您想要一个对数图，但值有时可能会下降到零，但您仍然希望能够以有意义的方式在图表上显示该值。如果您需要符号日志，您就会知道。

Answer 3

这是需要符号日志时的行为示例：

初始图，未缩放。注意有多少个点聚集在 x~0

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

[ '

对数缩放图。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')

'

为什么会崩溃？因为 x 轴上的某些值非常接近或等于 0。

Symlog 缩放图。一切都该如此。

    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')

Answer 4

对于

symlog

（或带符号的伪对数），您可以使用以下公式自行进行转换：

对称对数变换公式

在本文中，您可以看到一个很好的示例，说明了数据可视化中对数、对数(x+1)、对称对数和根变换之间的区别。