使用对数刻度
当可视化的数据变化范围非常广时，如果仍然使用常规的坐标轴刻度，将导致数据密集显示，甚至无法看到数据的变化趋势，这时，使用对数刻度就可以对图形进行更好的展示。
import numpy as np import matplotlib.pyplot as plt x = np.linspace(1, 10, 1024) plt.yscale('log') plt.plot(x, x, c = 'c', lw = 2., label = r'$f(x)=x$') plt.plot(x, 10 ** x, c = 'y', ls = '--', lw = 2., label = r'$f(x)=e^x$') plt.plot(x, np.log(x), c = 'm', lw = 2., label = r'$f(x)=\log(x)$') plt.legend() plt.show()
若使用常规坐标轴刻度，则图形将变得混乱：
Tips：通过向 plt.yscale() 函数传递 'log' 参数值来得到对数刻度；其他可用缩放类型参数值还包括 'linear'、'symlog' 等。同样，我们也可以使用 plt.xscale() 在x轴上获得相同的结果默认情况下，对数基数为 10，但可以使用可选参数 basex 和 basey 进行更改。设置对数刻度适用于任何图形，而不仅仅是曲线图。
同样，使用对数标度也可以用于放大范围非常大的数据上的一个小范围：
import numpy as np import matplotlib.pyplot as plt x = np.linspace(-100, 100, 4096) plt.xscale('symlog', linthreshx=6.) plt.plot(x, np.sinc(x), c = 'c') plt.show()
Tips：将 "symlog" 作为 plt.xscale() 的参数值，可以设置以 0 为中心的对称对数刻度，如通过设置 "linthreshx=6"，指定了对数刻度的范围为 [-6, 6]，此时，在 [-6, 6] 范围内使用对数刻度，而超出该范围则使用线性刻度。这样，我们既可以详细地查看某个范围内的数据，同时仍然可以查看大量范围外数据的大致特征。
使用极坐标
有些图形的绘制和角度有着密不可分的关系。例如，扬声器的功率取决于测量的角度。此时，极坐标就是表示此类数据关系的最佳选择。
import numpy as np import matplotlib.pyplot as plt t = np.linspace(0 , 2 * np.pi, 1024) plt.axes(polar = True) plt.plot(t, 1. + .25 * np.sin(16 * t), c= 'm') plt.show()
Tips：plt.axes() 可以显式的创建一个 Axes 实例，从而进行一些自定义的设置。只需使用可选的polar参数即可设置使用极坐标。
虽然绘制曲线可能是极坐标最常见的用法。但是，我们也可以使用极坐标绘制其他任何类型的图形，如条形图和形状。例如，使用极坐标和多边形，可以绘制雷达图：
import numpy as np import matplotlib.patches as patches import matplotlib.pyplot as plt ax = plt.axes(polar = True) theta = np.linspace(0, 2 * np.pi, 8, endpoint = False) radius = .25 + .75 * np.random.random(size = len(theta)) points = np.vstack((theta, radius)).transpose() plt.gca().add_patch(patches.Polygon(points, color = 'c')) plt.show()
Tips：这里所用的多边形坐标是多边形顶点与原点间的角度和距离，不需要执行从极坐标到笛卡尔坐标的显式转换。