Вам не нужно никаких пользовательских осей.Timeseries Scikit великолепен, но он совсем не нужен для работы с датами в matplotlib ...
Возможно, вы захотите использовать различные функции в matplotlib.dates
, plot_date
для построения ваших значений, imshow (и / или pcolor в некоторых случаях) для построения ваших различных программ и matplotlib.mlab.specgram для их вычисления.
Для своих подсюжетов вы захотите использовать sharex
kwarg при их создании, чтобы они все имели одну и ту же ось X.Чтобы отключить метки оси X на некоторых осях при использовании совместного использования оси X между графиками, вам нужно использовать что-то вроде matplotlib.pyplot.setp(ax1.get_xticklabels(), visible=False)
.(Это немного грубый взлом, но это единственный способ отображать только метки оси X на нижнем поддполе при совместном использовании одной и той же оси X между всеми субплотами) Чтобы отрегулировать интервал между субплотами, см. subplots_adjust
.
Надеюсь, все это имеет какой-то смысл ... Я добавлю быстрый пример использования всего этого, когда у меня будет время позже сегодня ...
Редактировать: Итак, вот грубый пример идеи.Некоторые вещи (например, разноцветные метки осей), показанные в вашем примере, довольно сложно сделать в matplotlib.(Не невозможно, но я их здесь пропустил ...)
import datetime
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import mlab
from mpl_toolkits.axes_grid1 import make_axes_locatable
def main():
#-- Make a series of dates
start = datetime.datetime(2010,9,15,8,0)
end = datetime.datetime(2010,9,15,18,0)
delta = datetime.timedelta(seconds=1)
# Note: "time" is now an array of floats, where 1.0 corresponds
# to one day, and 0.0 corresponds to 1900 (I think...)
# It's _not_ an array of datetime objects!
time = mpl.dates.drange(start, end, delta)
num = time.size
#-- Generate some data
x = brownian_noise(num)
y = brownian_noise(num)
z = brownian_noise(num)
plot(x, y, z, time)
plt.show()
def plot(x, y, z, time):
fig = plt.figure()
#-- Panel 1
ax1 = fig.add_subplot(311)
im, cbar = specgram(x, time, ax1, fig)
ax1.set_ylabel('X Freq. (Hz)')
ax1.set_title('Fake Analysis of Something')
#-- Panel 2
ax2 = fig.add_subplot(312, sharex=ax1)
im, cbar = specgram(y, time, ax2, fig)
ax2.set_ylabel('Y Freq. (Hz)')
#-- Panel 3
ax3 = fig.add_subplot(313, sharex=ax1)
# Plot the 3 source datasets
xline = ax3.plot_date(time, x, 'r-')
yline = ax3.plot_date(time, y, 'b-')
zline = ax3.plot_date(time, z, 'g-')
ax3.set_ylabel(r'Units $(\mu \phi)$')
# Make an invisible spacer...
cax = make_legend_axes(ax3)
plt.setp(cax, visible=False)
# Make a legend
ax3.legend((xline, yline, zline), ('X', 'Y', 'Z'), loc='center left',
bbox_to_anchor=(1.0, 0.5), frameon=False)
# Set the labels to be rotated at 20 deg and aligned left to use less space
plt.setp(ax3.get_xticklabels(), rotation=-20, horizontalalignment='left')
# Remove space between subplots
plt.subplots_adjust(hspace=0.0)
def specgram(x, time, ax, fig):
"""Make and plot a log-scaled spectrogram"""
dt = np.diff(time)[0] # In days...
fs = dt * (3600 * 24) # Samples per second
spec_img, freq, _ = mlab.specgram(x, Fs=fs, noverlap=200)
t = np.linspace(time.min(), time.max(), spec_img.shape[1])
# Log scaling for amplitude values
spec_img = np.log10(spec_img)
# Log scaling for frequency values (y-axis)
ax.set_yscale('log')
# Plot amplitudes
im = ax.pcolormesh(t, freq, spec_img)
# Add the colorbar in a seperate axis
cax = make_legend_axes(ax)
cbar = fig.colorbar(im, cax=cax, format=r'$10^{%0.1f}$')
cbar.set_label('Amplitude', rotation=-90)
ax.set_ylim([freq[1], freq.max()])
# Hide x-axis tick labels
plt.setp(ax.get_xticklabels(), visible=False)
return im, cbar
def make_legend_axes(ax):
divider = make_axes_locatable(ax)
legend_ax = divider.append_axes('right', 0.4, pad=0.2)
return legend_ax
def brownian_noise(num):
x = np.random.random(num) - 0.5
x = np.cumsum(x)
return x
if __name__ == '__main__':
main()