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 05:28:14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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1