Python matplotlib坐标轴百分比格式化显示指南

南乔

发布时间：2026-10-13| 3人浏览过

原创

本文介绍如何在Python matplotlib中将坐标轴数值格式化为百分比显示。通过导入matplotlib.ticker.FuncFormatter，自定义格式化函数以控制刻度标签的显示格式，实现横纵坐标轴的百分比转换。

matplotlib坐标轴百分比显示方法

在使用Python matplotlib进行绘图时，有时需要将数据以百分比形式展示，以便更直观地对比模型性能的提升幅度。

可以通过使用matplotlib.ticker.FuncFormatter()函数来实现坐标轴的格式化显示。

具体示例如下：


# encoding=utf-8
import matplotlib.pyplot as plt 
from matplotlib.ticker import FuncFormatter
plt.rcParams['font.family'] = ['Times New Roman']
plt.rcParams.update({'font.size': 8}) 
x = range(11)
y = range(11)
plt.plot(x, y)
plt.show()

生成的图形显示效果如下：

若需将横纵坐标轴数值转换为百分比形式（如0%，20%，40%等），可参考以下代码实现：


# encoding=utf-8
import matplotlib.pyplot as plt 
from matplotlib.ticker import FuncFormatter
plt.rcParams['font.family'] = ['Times New Roman']
plt.rcParams.update({'font.size': 8}) 
x = range(11)
y = range(11)
plt.plot(x, y)
 
def to_percent(temp, position):
  return '%1.0f'%(10*temp) + '%'
plt.gca().yaxis.set_major_formatter(FuncFormatter(to_percent))
plt.gca().xaxis.set_major_formatter(FuncFormatter(to_percent))
 
plt.show()

即在原有代码基础上增加了第10至13行的内容，执行后的结果如下：

从结果可见，已成功实现坐标轴的百分比显示需求。

关键代码段说明：

return '%1.0f'%(10*temp) + '%' # 该语句定义了具体的显示格式。

如需了解更多格式化显示选项，可查阅matplotlib.ticker模块文档。

matplotlib坐标轴基础设置

补充知识：matplotlib绘图系列之坐标轴设置（精度、范围、标签、中文字符显示）

在使用matplotlib模块绘制坐标图时，通常需要对坐标轴进行多项参数设置，包括横纵坐标轴的范围、刻度大小以及坐标轴名称等。

matplotlib提供了多个内置函数用于配置这些参数。

plt.xlim、plt.ylim 用于设置横纵坐标轴的范围； plt.xlabel、plt.ylabel 用于设置坐标轴的名称； plt.xticks、plt.yticks 用于设置坐标轴的刻度。

上述函数中的plt代表matplotlib.pyplot模块。

示例代码如下：


#导入包
import matplotlib.pyplot as plt
import numpy as np
#支持中文显示
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
 
#创建数据
x = np.linspace(-5, 5, 100)
y1 = np.sin(x)
y2 = np.cos(x)
 
#创建figure窗口
plt.figure(num=3, figsize=(8, 5))
#画曲线1
plt.plot(x, y1)
#画曲线2
plt.plot(x, y2, color='blue', linewidth=5.0, linestyle='--')
#设置坐标轴范围
plt.xlim((-5, 5))
plt.ylim((-2, 2))
#设置坐标轴名称
plt.xlabel('xxxxxxxxxxx')
plt.ylabel('yyyyyyyyyyy')
#设置坐标轴刻度
my_x_ticks = np.arange(-5, 5, 0.5)
my_y_ticks = np.arange(-2, 2, 0.3)
plt.xticks(my_x_ticks)
plt.yticks(my_y_ticks)
 
#显示出所有设置
plt.show()

运行结果如下：