Matplotlib twiny：如何在一个绘图中对齐两个xax的值？

Question

我正在尝试使用matplotlib中的twiny()从由以下数据块组成的XML文件中绘制一条带有两个x轴的曲线：

<data>
<meas>
  <utc>2018-11-10T22:27:06.500003</utc>
  <ra_j2000>23.9722686269</ra_j2000>
  <dec_j2000>-1.23845121893</dec_j2000>
  <mag>9.96074403533</mag>
</meas>

<meas>
  <utc>2018-11-10T22:27:54.500002</utc>
  <ra_j2000>23.9930913364</ra_j2000>
  <dec_j2000>-1.03788334773</dec_j2000>
  <mag>11.356437889</mag>
</meas>

<meas>
  <utc>2018-11-10T22:38:36.500002</utc>
  <ra_j2000>0.267638646848</ra_j2000>
  <dec_j2000>1.56055091433</dec_j2000>
  <mag>11.1642458641</mag>
</meas>

<meas>
  <utc>2018-11-10T22:46:18.500000</utc>
  <ra_j2000>0.462353662364</ra_j2000>
  <dec_j2000>3.34334963425</dec_j2000>
  <mag>11.1082534741</mag>
</meas>

<meas>
  <utc>2018-11-10T22:57:18.500001</utc>
  <ra_j2000>0.740393528722</ra_j2000>
  <dec_j2000>5.78641590694</dec_j2000>
  <mag>11.0688955214</mag>
</meas>

<meas>
  <utc>2018-11-10T23:03:06.499995</utc>
  <ra_j2000>0.888541738338</ra_j2000>
  <dec_j2000>7.03265231497</dec_j2000>
  <mag>10.2358937709</mag>
</meas>

<meas>
  <utc>2018-11-10T23:05:42.500002</utc>
  <ra_j2000>0.955591973177</ra_j2000>
  <dec_j2000>7.5832430461</dec_j2000>
  <mag>10.86206725</mag>
</meas>

<meas>
  <utc>2018-11-10T23:06:48.499999</utc>
  <ra_j2000>0.984093767077</ra_j2000>
  <dec_j2000>7.81466175077</dec_j2000>
  <mag>10.3466108708</mag>
</meas>
</data>

我的问题是这些x轴上的值不一致。下面是我的Python脚本：

^{pr2}$

从而产生以下曲线图：

我打算稍后隐藏红色曲线（通过使用visibility=False），这里我绘制它只是为了看到x轴值的正确对齐，也就是说，两条曲线都必须（！）实际上是重叠的，因为相位角（x_phi）值依赖于相应的时间戳（x_ut）值，但是正如您可以清楚地看到的那样，只有开始和结束是正确对齐的，但是两者之间的大多数数据是不对齐的（相位曲线右移）。在

我做错什么了？在

起初，我假设相角（x_phi）在时间上是非线性变化的，因此这两条曲线的set_xlim()会以不同的方式拉伸它们，但这不是真的，我已经将x_phi与{}作了对比，并且有一个明显的线性变化：

提前感谢您的帮助！在

编辑：tel在下面的回答中已经证明了非线性。因此，我稍微改变一下我的问题。在

{{cd7}和

1）上x轴是自动反转的，从最小的值开始，尽管给出值的列表x_phi从最大值开始——如果不使用invert_axis()，如何避免这种反转呢？（在不同的情况下，x_phi列表中的值总是要么增加要么只有减少）

2）总共有3个列表：x_ut、x_phi和{}；我只需要绘制曲线y_brightness与x_ut之间的曲线，另外还要使x_phi（带ticker.MultipleLocator(1)）的值与x_ut中的相应时间矩值对齐——我该怎么做？在

我的问题与此类似： How do I align gridlines for two y-axis scales using Matplotlib? 但在我的例子中，上x轴的记号之间没有线性间距，所以我不能使用这个解决方案。在

同样，这个问题也涉及一个类似的问题： trouble aligning ticks for matplotlib twinx axes 但是在我的例子中，我不知道如何表达两个x轴之间的关系，因为数据类型非常不同：datetime和float。它们之间唯一的关系是一对一，即x_ut中的第一个值与{}中的第一个值相关，第二个值到第二个值，依此类推；这种关系是非线性的。在

编辑2:我上一次编辑中的数字1）现在解决了。对于剩下的问题，看起来我必须使用register_scale()来重新缩放相对于主x轴的次要x轴。为此，我还必须定义matplotlib.scale.ScaleBase的子类。到目前为止，我只找到了两个（对我来说）复杂的例子：

https://matplotlib.org/examples/api/custom_scale_example.html
https://stackoverrun.com/es/q/8578801（西班牙语，但代码中有英文注释）

我不确定我是否能自己实现这一点，所以我仍在寻求帮助。在

Answer 1

你的绘图程序看起来是正确的。相反，问题似乎是在时间和相角之间的关系中，是的线性偏差（非常小）。您可以通过在时间与角度图上叠加一条黑色直线来查看它（单击下面以在单独的窗口中打开并放大以清楚地看到）：

下面是一个突出显示偏差的缩放：

使两个x轴对齐的唯一方法是：

• 操纵数据。在
• 操纵第二个x轴的比例使其不一致。使图上49度到48度之间的实际距离与图上45度到44度之间的实际距离不同，以此类推。在

这两个都是个坏主意™️，你不应该做任何一个。您需要按原样绘制数据，而不是试图用巧妙的技巧隐藏任何不一致之处。任何不足之处都可以被认为是学术上的不诚实。在

你唯一的选择就是弄清为什么时间和角度不符合你的期望。这可能是代码中的问题，可能是您在get_phase_angle中使用的公式中的问题。或者它可能是底层数据集中的问题，例如，如果度测量中有一些噪声。或者，事实上，时间和角度没有线性关系。毕竟，地球并不是完全圆的。在

Answer 2

耶！在没有定义新的scale类的情况下，我成功地获得了所需的结果！以下是在脚本中根据问题添加/修改的相关代码部分（变量step稍后将从用户命令行输入中读取，或者我可能会找到另一种自动设置滴答频率的方法）：

x_ut = []
x_phi = []
x_phi_ticks = []
x_phi_ticklabels = []
y_brightness = []

# populate lists for the phase angle ticks and labels

i = 0
step = 15
while i <= (len(x_ut)-step):
    x_phi_ticks.append(x_ut[i])
    x_phi_ticklabels.append(x_phi[i])
    i += step
x_phi_ticks.append(x_ut[-1])
x_phi_ticklabels.append(x_phi[-1])

# plot'em all

fig, ax1 = plt.subplots()

ax1.plot(x_ut, y_brightness, marker='o', label='apparent brightness')
ax1.xaxis.set_major_locator(dates.MinuteLocator(interval=1))
ax1.xaxis.set_major_formatter(dates.DateFormatter('%H:%M'))
ax1.tick_params(axis='x', rotation=45)
ax1.minorticks_on()
ax1.legend()
ax1.grid(which='major', linestyle='-', color='#000000')
ax1.grid(which='minor', linestyle=' ')
ax1.set_xlabel('time [h:m, UT]')
ax1.set_ylabel('apparent brightness [mag, CR]')

ax2 = ax1.twiny()
ax2.set_xlim(ax1.get_xlim())
ax2.set_xticks(x_phi_ticks)
ax2.set_xticklabels(x_phi_ticklabels)
ax2.set_xlabel('phase angle (phi) [deg]')

plt.gca().invert_yaxis()
plt.tight_layout(pad=0)
plt.show()