Cómo establecer el rango del eje (xlim, ylim) en Matplotlib

En este tutorial, veremos ejemplos de cómo configurar el rango del eje (xlim, ylim), también conocido como límite X y límite Y, usando Matplotlib de Python.

Introducción

Matplotlib es una de las bibliotecas de visualización de datos más utilizadas en Python. Gran parte de la popularidad de Matplotlib proviene de sus opciones de personalización: puede modificar casi cualquier elemento de su jerarquía de objetos.

En este tutorial, veremos cómo configurar el rango del eje (xlim, ylim) en Matplotlib, para truncar o expandir la vista a límites específicos.

Creando una Parcela

Primero vamos a crear una trama simple para trabajar con ella:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(12, 6))

x = np.arange(0, 10, 0.1)
y = np.sin(x)
z = np.cos(x)

ax.plot(y, color='blue', label='Sine wave')
ax.plot(z, color='black', label='Cosine wave')

plt.show()

Aquí, hemos graficado los valores creados al aplicar una función de seno y coseno a la secuencia generada por Función arange() de Numpy comenzando en 0 y terminando en 10 con un paso de 0.1. Ejecutar este código produce:

matplotlib plot subplots

Ahora, podemos ajustar el rango de este eje, que actualmente va de 0 a 100.

Configuración del rango del eje en Matplotlib

Si nos gustaría truncar esa vista, en una más pequeña o incluso más grande, podemos modificar los límites X e Y. Se puede acceder a estos a través de la instancia PyPlot o la instancia Axes.

Cómo establecer el límite X (xlim) en Matplotlib

Primero establezcamos el límite X, usando las instancias PyPlot y Axes. Ambos métodos aceptan una tupla: los límites izquierdo y derecho. Entonces, por ejemplo, si quisiéramos truncar la vista para mostrar solo los datos en el rango de 25-50 en el eje X, usaríamos xlim([25, 50]):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
fig, ax = plt.subplots(figsize=(12, 6))

x = np.arange(0, 10, 0.1)
y = np.sin(x)
z = np.cos(x)

ax.plot(y, color='blue', label='Sine wave')
ax.plot(z, color='black', label='Cosine wave')

plt.xlim([25, 50])
plt.show()

Esto limita la vista en el eje X a los datos entre 25 y 50 y da como resultado:

how to set x limit axis range in matplotlib

Este mismo efecto se puede lograr configurándolos a través del objeto ax. De esta forma, si tenemos varios Axes, podemos establecer el límite para ellos por separado:

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(12, 6))

x = np.arange(0, 10, 0.1)
y = np.sin(x)
z = np.cos(x)

ax = fig.add_subplot(121)
ax2 = fig.add_subplot(122)

ax.set_title('Full view')
ax.plot(y, color='blue', label='Sine wave')
ax.plot(z, color='black', label='Cosine wave')

ax2.set_title('Truncated view')
ax2.plot(y, color='blue', label='Sine wave')
ax2.plot(z, color='black', label='Cosine wave')

ax2.set_xlim([25, 50])

plt.show()

how to set x limit axis range for subplots in matplotlib

Cómo establecer el límite Y (ylim) en Matplotlib

Ahora, establezcamos el límite Y. Esto se puede lograr con los mismos dos enfoques:

1
2
3
4
ax.plot(y, color='blue', label='Sine wave')
ax.plot(z, color='black', label='Cosine wave')

plt.ylim([-1, 0])

O:

1
2
3
4
ax.plot(y, color='blue', label='Sine wave')
ax.plot(z, color='black', label='Cosine wave')

ax.set_ylim([-1, 0])

Ambos resultan en:

how to set y limit axis range in matplotlib

Conclusión

En este tutorial, hemos repasado cómo configurar el rango del eje (es decir, los límites X e Y) usando Matplotlib en Python.

Si está interesado en Visualización de datos y no sabe por dónde empezar, asegúrese de consultar nuestro paquete de libros en [Visualización de datos en Python](https://gum.co/data-visualization -en-paquete-de-libros-de-python):

Visualización de datos en Python Vuélvase peligroso con la visualización de datos ✅ Garantía de devolución de dinero de 30 días sin preguntas ✅ Principiante a Avanzado ✅ Actualizado periódicamente de forma gratuita (última actualización en abril de 2021) ✅ Actualizado con recursos y guías adicionales

Visualización de datos en Python con Matplotlib y Pandas es un libro diseñado para llevar a los principiantes absolutos a Pandas y Matplotlib, con conocimientos básicos de Python, y permitirles construir una base sólida para el trabajo avanzado con estas bibliotecas, desde gráficos simples. a gráficos 3D animados con botones interactivos.

Sirve como una guía detallada que le enseñará todo lo que necesita saber sobre Pandas y Matplotlib, incluido cómo construir tipos de gráficos que no están integrados en la propia biblioteca.

Visualización de datos en Python, un libro para desarrolladores principiantes e intermedios de Python, lo guía a través de la manipulación de datos simple con Pandas, cubre bibliotecas de trazado centrales como Matplotlib y Seaborn, y le muestra cómo aprovechar las bibliotecas declarativas y experimentales. como Altair. Más específicamente, a lo largo de 11 capítulos, este libro cubre 9 bibliotecas de Python: Pandas, Matplotlib, Seaborn, Bokeh, Altair, Plotly, GGPlot, GeoPandas y VisPy.

Sirve como una guía práctica única para la visualización de datos, en una plétora de herramientas que podría usar en su carrera.