Makie.jl中Log-Log坐标轴下散点图与次要刻度线对齐问题解析
2025-06-30 12:37:57作者:江焘钦
问题现象描述
在使用Makie.jl进行数据可视化时,部分用户反馈在双对数坐标轴(log-log)下绘制的散点图出现数据点位置偏移现象。具体表现为:
- 散点图的y轴坐标值比预期位置整体偏高一个单位
- 数据点与次要刻度线(grid line)的对齐关系不符合预期
- 当绘制等间距数据点时,部分点未落在预期的刻度线上
技术原理分析
对数坐标系的特殊性
对数坐标系与线性坐标系存在本质差异:
- 坐标变换:数据需要经过log10变换后显示
- 刻度分布:主刻度呈10的幂次分布(1,10,100...)
- 次要刻度:通常表示对数域内的线性插值点
IntervalsBetween函数的实现机制
IntervalsBetween(n)函数的行为在不同坐标系下存在差异:
- 线性坐标系:生成n-1个等间距次要刻度
- 对数坐标系:生成n个对数域等间距次要刻度
解决方案
正确的次要刻度设置方法
对于对数坐标系,推荐以下两种设置方式:
# 方法1:精确指定次要刻度位置
yminorticks = 20:10:90 # 生成20,30,...,90的次要刻度
# 方法2:使用IntervalsBetween时需注意参数
yminorticks = IntervalsBetween(9) # 对数坐标系下生成9个间隔
完整示例代码
using Makie
plotConfig = Dict(
:xscale => log10,
:yscale => log10,
:xminorticks => IntervalsBetween(9), # 修正为9个间隔
:yminorticks => IntervalsBetween(9), # 修正为9个间隔
:xminorgridvisible => true,
:yminorgridvisible => true
)
f = Figure()
ax = Axis(f[1,1]; plotConfig...)
scatter!(ax, [0.1, 0.2, 1.0], [17.0, 18.0, 19.0])
xlims!(ax, 0.05, 5)
ylims!(ax, 6, 110)
深入理解
对数坐标系下的视觉错觉
由于对数变换的非线性特性,人眼容易产生以下错觉:
- 等间距数据在对数坐标下呈现压缩/扩张效果
- 次要刻度线的物理间距不均匀但数值间距均匀
- 数据点密度变化可能被误认为是位置偏移
Makie.jl的设计哲学
该可视化库采用以下设计原则:
- 保持数学正确性优先于视觉直觉
- 提供灵活的刻度控制系统
- 允许用户在不同坐标系下使用统一的API接口
最佳实践建议
- 绘制参考线辅助验证数据位置
- 对数坐标系下显式指定刻度位置而非依赖自动生成
- 结合网格线和大刻度标记增强可读性
- 对关键数据点添加数值标签进行双重验证
通过理解对数坐标系的数学本质和Makie.jl的设计理念,用户可以避免常见的可视化陷阱,创建精确可靠的科学图表。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271