免费网络在线打电话企业网站优化包括哪三个层面

欢迎关注”生信修炼手册”!

对于跨度很大其分布离散的数据，常用log转换来缩写其差距，呈现在图上的效果也更好，比如在绘制转录组的表达量数据时，常用log转换之后的值进行绘制。在matplotlib中，支持在绘图时对数据进行log转换，根据log转换的需求，体用了以下3种函数

1. loglog, 同时对x轴和y轴的值进行log转换

2. semilogx, 只对x轴的值进行log转换，y轴的值不变

3. semilogy, 只对y轴的值进行log转换，x轴的值不变

上述3种函数本质其实是plot函数，只不过在绘制之前自动对相应的数据进行了log转换，所以plot函数的参数对于这些函数都适用，下面来具体看下用法

1. loglog

首先构建一个x轴和y轴数据都是10的乘方的散点图，代码如下

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> data = np.array([1, 2, 3, 4])
>>> power_x = np.power(10 , data)
>>> power_y = np.power(10 , data)
>>> plt.plot(power_x, power_y)

输出结果如下

通过loglog函数，可以同时对x轴和y轴的数据进行log转换，用法如下

>>> plt.loglog(power_x, power_y)

输出结果如下

从效果可以看出，采用了log10转换之后的值进行绘图，同时对应的标签用乘方的方式进行标记。

2. semilogx

semilogx函数只对x轴的值进行log转换，先来看下不转换时的效果，代码如下

>>> plt.plot(power_x, data)

输出结果如下

只对x轴的值进行log转换，代码如下

>>> plt.semilogx(power_x, data)

输出结果如下

3. semilogy