企业官网建设流程全解析

1. 为什么需要断轴技术？

当你用matplotlib绘制包含离群点的数据时，经常会遇到这样的困扰：一个异常大的数值会把其他数据压缩成一条几乎看不见的直线。比如在绘制实验数据时，某个极端值可能达到80000，而其他数据点都在0-10000范围内。这时候断轴技术（Broken Axis）就能大显身手了。

我最近处理过一组传感器数据，其中99%的读数在0-50之间，但有3个异常值超过了2000。直接用普通坐标轴绘制时，整个图表几乎变成了几条水平线。通过断轴技术，我把y轴分成0-100和1900-2100两个区间，既保留了异常值的可见性，又让主要数据分布清晰可辨。

2. 快速上手brokenaxes库

2.1 安装与基础用法

首先安装这个神器库：

pip install brokenaxes

基础使用只需要5行代码：

from brokenaxes import brokenaxes import numpy as np bax = brokenaxes(ylims=[(0, 100), (75000, 80000)]) x = np.arange(10) bax.plot(x, x**2)

这里ylims参数指定y轴的两个区间范围。实测发现，这个库会自动计算两个区间的高度比例，比如(0-100)区间高度会明显大于(75000-80000)区间，因为前者数据变化更丰富。

2.2 核心参数详解

• xlims/ylims：接受元组列表，如[(0,10), (20,30)]表示断开的区间
• hspace/vspace：控制断裂处的空白间距（默认0.1）
• despine：是否隐藏顶部/右侧轴线（默认True）
• diag_color：断裂处斜线颜色（默认黑色）

我常用的进阶配置：

bax = brokenaxes( ylims=[(0, 100), (75000, 80000)], hspace=0.2, # 加大断裂间距 diag_color='red', # 红色斜线 despine=False # 保留所有轴线 )

3. 样式调优实战技巧

3.1 科学计数法处理

当y轴使用科学计数法时，断裂轴会出现重复的指数标记。解决方法：

bax.ticklabel_format(style='sci', scilimits=(-1,2), axis='y') bax.axs[1].get_yaxis().get_offset_text().set_visible(False) # 隐藏下半部分指数

重要提示：bax.grid()必须在这段代码之前调用，否则隐藏会失效！

3.2 标签位置调整

断裂轴的标签容易与刻度重叠，需要用labelpad手动调整：

bax.set_xlabel("距离", fontsize=20, labelpad=35) bax.set_ylabel("实例数", fontsize=20, labelpad=60)

3.3 字体与中文显示

推荐配置宋体显示中文：

font_config = { "font.family": 'serif', "font.serif": ['SimSun'], # 宋体 "axes.unicode_minus": False # 解决负号显示问题 } plt.rcParams.update(font_config)

4. 常见问题与解决方案

4.1 图例显示异常

使用bax.legend()时，图例位置可能错位。建议：

bax.legend(loc='upper left', bbox_to_anchor=(1, 1)) # 移到图表右侧

4.2 数据点被裁剪

默认clip_on=True会导致部分标记显示不全。但直接设置clip_on=False会报错，正确做法是：

for ax in bax.axs: for line in ax.get_lines(): line.set_clip_on(False)

4.3 多子图布局

结合GridSpec实现复杂布局：

gs = gridspec.GridSpec(2, 1) bax1 = brokenaxes(subplot_spec=gs[0], ylims=[(0,100), (700,800)]) bax2 = brokenaxes(subplot_spec=gs[1], xlims=[(0,50), (80,100)])

5. 高级应用场景

5.1 时间序列断裂

处理间隔很大的时间数据时：

from datetime import datetime x = [datetime(2023,1,d) for d in range(1,20)] bax = brokenaxes(xlims=[(datetime(2023,1,1), datetime(2023,1,5)), (datetime(2023,1,10), datetime(2023,1,20))])

5.2 对数坐标断裂

结合对数坐标使用时：

bax = brokenaxes( ylims=[(1, 100), (1000, 10000)], yscale='log' # 关键参数 )

5.3 多维度断裂

同时断裂x轴和y轴：

bax = brokenaxes( xlims=[(0, 0.1), (0.4, 0.7)], ylims=[(-1, 0.7), (0.79, 1)], hspace=0.1, vspace=0.1 )

6. 性能优化建议

当处理大型数据集时（超过10万点），建议：

1. 先对数据进行降采样
2. 使用rasterized=True参数
3. 避免在循环中频繁创建brokenaxes对象

我在处理EEG数据时，先使用scipy.signal.resample将数据从1000Hz降到200Hz，绘图速度提升5倍以上。

最后分享一个实用技巧：保存图表时，使用bbox_inches='tight'可以自动裁剪多余空白：

fig.savefig('output.png', dpi=300, bbox_inches='tight', pad_inches=0.1)