对于跨度很大其分布离散的数据，常用log转换来缩写其差距，呈现在图上的效果也更好，比如在绘制转录组的表达量数据时，常用log转换之后的值进行绘制。在matplotlib中，支持在绘图时对数据进行log转换，根据log转换的需求，体用了以下3种函数
1. loglog, 同时对x轴和y轴的值进行log转换
2. semilogx, 只对x轴的值进行log转换，y轴的值不变
3. semilogy, 只对y轴的值进行log转换，x轴的值不变
上述3种函数本质其实是plot函数，只不过在绘制之前自动对相应的数据进行了log转换，所以plot函数的参数对于这些函数都适用，下面来具体看下用法
1. loglog
首先构建一个x轴和y轴数据都是10的乘方的散点图，代码如下
import matplotlib.pyplot as plt
import numpy as np
data = np.array([1, 2, 3, 4])
power_x = np.power(10 , data)
power_y = np.power(10 , data)
plt.plot(power_x, power_y)输出结果如下
通过loglog函数，可以同时对x轴和y轴的数据进行log转换，用法如下
plt.loglog(power_x, power_y)输出结果如下
从效果可以看出，采用了log10转换之后的值进行绘图，同时对应的标签用乘方的方式进行标记。
2. semilogx
semilogx函数只对x轴的值进行log转换，先来看下不转换时的效果，代码如下
plt.plot(power_x, data)输出结果如下
只对x轴的值进行log转换，代码如下
plt.semilogx(power_x, data)输出结果如下
3. semilogy
semilogy函数只对y轴的值进行log转换，先来看下不转换时的效果，代码如下
plt.plot(data, power_y)输出结果如下
只对y轴的值进行log转换，代码如下
plt.semilogy(data, power_y)输出结果如下
除了以上基本用法外，该函数还具有以下3种专属参数
1. base, 指定对数的值，默认值为10，即进行log10的转换
2. subs，设定minor ticks的位置，默认值为None
3. nonpositive, 对非负值的处理，因为只有正数可以取log, 如果原始值为负值，此时有两种处理方式，第一种是丢掉这个点，也是默认的处理方式，对应该参数的值为mask, 在图中不显示这个点，第二种是将这个值调整为最接近的正数，对应该参数的取值为clip
为了便于对x轴和y轴精确指定，上述参数都有x轴和y轴两个版本，以base为例，具体的有basex和basey两个参数，用法如下
plt.loglog(power_x, power_y, basex=2)输出结果如下
通过log系列函数，可以灵活的对数据进行log转换。
