Matplotlib中刻度是用于在绘图中表示数据大小的工具。

刻度是坐标轴上的数字或标签，用于指示数据的大小或值，
通常以整数或小数表示，具体取决于坐标轴的类型和限制。

1. 主次刻度

默认的绘制时，坐标轴只有默认的主要刻度，如下所示：

from matplotlib.ticker import MultipleLocator 

x = np.array(range(0, 100))
y = np.random.randint(100, 200, 100)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
#X轴的主要和次要刻度
ax.xaxis.set_major_locator(MultipleLocator(20))
ax.xaxis.set_minor_locator(MultipleLocator(2))

#Y轴的主要和次要刻度
ax.yaxis.set_major_locator(MultipleLocator(50))
ax.yaxis.set_minor_locator(MultipleLocator(10))

ax.plot(x, y)

上面的示例中，
设置了X轴的主要刻度间隔20，次要刻度间隔2，也就是每2个主要刻度之间有10个次要刻度。
设置了Y轴的主要刻度间隔50，次要刻度间隔10，也就是每2个主要刻度之间有5个次要刻度。

次要刻度就是上面图中主要刻度之间稍短点的线。

2. 刻度样式

刻度的样式非常灵活，常见的有以下几种设置。

隐藏刻度，只保留图形，这在做某些示意图的时候可能会用到。

x = np.array(range(0, 100))
y = np.random.randint(100, 200, 100)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

#隐藏刻度
ax.xaxis.set_major_locator(plt.NullLocator())
ax.yaxis.set_major_locator(plt.NullLocator())

ax.plot(x, y, color='g')

密度是指刻度的间隔，如果图比较小，可以设置间隔大一些，反之则设置小一些。

from matplotlib.ticker import MultipleLocator 

x = np.array(range(0, 100))
y = np.random.randint(100, 200, 100)

rows, cols = 2, 2
grid = plt.GridSpec(rows, cols)

ax = plt.subplot(grid[0, 0])
ax.plot(x, y)
ax.xaxis.set_major_locator(MultipleLocator(20))
ax.yaxis.set_major_locator(MultipleLocator(50))

ax = plt.subplot(grid[1, :])
ax.plot(x, y)
ax.xaxis.set_major_locator(MultipleLocator(10))
ax.yaxis.set_major_locator(MultipleLocator(20))

上例中，根据图形的大小，我们设置了刻度的不同密度。

为了突出某些刻度值，有时候会需要修改那些刻度值的颜色和大小。

x = np.array(range(0, 100))
y = np.random.randint(100, 200, 100)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.xaxis.set_major_locator(MultipleLocator(10))

obj = ax.get_xticklabels()[2]
obj.set_size(20)
obj.set_color("red")

ax.plot(x, y, color='g')

上面示例中，X轴刻度10被放大并且改成了红色。

刻度的旋转一般用在刻度内容比较长的情况，比如下面的示例：

x = np.array(
    [
        "2022-01-01",
        "2022-02-01",
        "2022-03-01",
        "2022-04-01",
        "2022-05-01",
        "2022-06-01",
        "2022-07-01",
        "2022-08-01",
        "2022-09-01",
        "2022-10-01",
    ]
)
y = np.random.randint(100, 200, 10)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

ax.plot(x, y, color="g")

由于X轴的刻度是日期，因为太长，所以会挤在一起，显示不清。
这时可以调整X轴刻度的角度，避免重合在一起。

x = np.array(
    [
        "2022-01-01",
        "2022-02-01",
        "2022-03-01",
        "2022-04-01",
        "2022-05-01",
        "2022-06-01",
        "2022-07-01",
        "2022-08-01",
        "2022-09-01",
        "2022-10-01",
    ]
)
y = np.random.randint(100, 200, 10)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
plt.xticks(rotation=45) # 旋转45度

ax.plot(x, y, color="g")

Matplotlib的刻度还支持latex格式，可以显示一些特殊的字符，比如圆周率π。
直接显示时：

x = np.array([0, np.pi / 6, np.pi / 4, np.pi/3, np.pi / 2])
x = np.round(x, 2)
y = np.sin(x)

fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
plt.xticks(labels=x, ticks=x)
ax.plot(x, y)

X轴的刻度显示实际的值。
调整为 latex 格式来显示：（调整 plt.xticks() 这个函数）

plt.xticks(labels=[
    "0", "$\pi/6$", "$\pi/4$", "$\pi/3$", "$\pi/2$"
], ticks=x)

X轴的刻度中显示圆周率π，更易于阅读和理解。

3. 总结回顾

与之前介绍的画布，子图和坐标轴相比，刻度是设置最多也是最复杂的一个容器。
刻度的主要作用是帮助数据可视化更加清晰和易于理解，基于此，本篇主要介绍了：

1. 主次刻度
2. 刻度样式，包括是否显示刻度，刻度的密度，颜色，大小，角度以及latex公式的支持。