概述

注釋是圖形元素，通常是文本片段，用于解釋、添加上下文或以其他方式突出顯示可視化數(shù)據(jù)的某些部分。文本注釋的展示效果在很大程度上受文本注釋位置的影響，而且，文本注釋位置又由于采用的坐標(biāo)系統(tǒng)的不同而呈現(xiàn)出不同的文本移動(dòng)情況。接下來，本文將會(huì)詳細(xì)介紹文本注釋位置的坐標(biāo)系統(tǒng)。

matplotlib 的注釋一共有兩種，第一種是無指向型注釋 text()；另一種是指向型注釋 annotate()。本文將主要介紹 annotate()，該方法的定義如下：

def Axes.annotate(text, xy, xytext=None, xycoords='data', 
textcoords=None, arrowprops=None,
 annotation_clip=None, **kwargs)

參數(shù)說明：

1. text：要注釋的文字；
2. xy：指定要注釋的點(diǎn)；
3. xytext：放置文本的位置；
4. xycoords：指定注釋點(diǎn)的坐標(biāo)系；
5. textcoords：指定注釋文字的坐標(biāo)系；
6. arrowprops：指定從文字注釋位置出發(fā)到注釋點(diǎn)之間的箭頭屬性；
7. annotation_clip：指定當(dāng)標(biāo)注點(diǎn)在坐標(biāo)軸區(qū)域外時(shí)的處理方法；
8. kwargs：傳遞關(guān)鍵字參數(shù)給 Text類；

返回值：Annotation實(shí)例。

annotate() 方法主要需要定義三個(gè)東西，第一個(gè)是注釋點(diǎn)；第二個(gè)是注釋文字和其屬性；最后一個(gè)是中間箭頭的相關(guān)屬性。使用該方法的難點(diǎn)在于 xycoords 和 textcoords 參數(shù)的設(shè)置，前者可能的取值如下：

一般情況下我們就使用默認(rèn)值就好了，因?yàn)橄鄬?duì)于注解對(duì)象的坐標(biāo)系理解起來最為容易。textcoords 參數(shù)可能的取值就簡(jiǎn)單了，默認(rèn)情況下和 xycoords 參數(shù)指定的模式一致，除此之外還可以設(shè)置是按點(diǎn)偏移還是按像素偏移。

示例

我們首先以一個(gè)簡(jiǎn)單的例子開始，給出數(shù)據(jù)標(biāo)注位置和注釋文本位置，這兩個(gè)參數(shù)都傳遞一個(gè)元祖。完整代碼如下：

import numpy as np  
import matplotlib.pyplot as plt  
  
fig, ax = plt.subplots(figsize=(3, 3))  
  
t = np.arange(0.0, 5.0, 0.01)  
s = np.cos(2*np.pi*t)  
line, = ax.plot(t, s, lw=2)  
  
ax.annotate('local max', xy=(2, 1), xytext=(3, 1.5),  
            arrowprops=dict(facecolor='black', shrink=0.05))  
ax.set_ylim(-2, 2)  
  
plt.show()

畫圖結(jié)果：

基本示例

接著我們更改注釋文字使用的坐標(biāo)系為 axes fraction，傳遞元祖 (0.01, 0.99)，那么文字注釋就會(huì)在左上角。完整代碼如下：

import numpy as np  
import matplotlib.pyplot as plt  
  
fig, ax = plt.subplots(figsize=(3, 3))  
  
t = np.arange(0.0, 5.0, 0.01)  
s = np.cos(2*np.pi*t)  
line, = ax.plot(t, s, lw=2)  
  
ax.annotate('local max', xy=(2, 1), xycoords='data',  
            xytext=(0.01, .99), textcoords='axes fraction',  
            va='top', ha='left',  
            arrowprops=dict(facecolor='black', shrink=0.05))  
ax.set_ylim(-2, 2)  
  
plt.show()

畫圖結(jié)果如下：

文字注釋放置在左上角

不光可以在一個(gè) Axes 對(duì)象中注釋，也可以在多個(gè) Axes 對(duì)象中注釋，完整的示例代碼如下：

import numpy as np  
import matplotlib.pyplot as plt  
  
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(6, 3))  
  
ax1.annotate("Test1", xy=(0.5, 0.5), xycoords="axes fraction")  
ax2.annotate("Test2",  
               xy=(0.5, 0.5), xycoords=ax1.transData,  
               xytext=(0.5, 0.5), textcoords=ax2.transData,  
               arrowprops=dict(arrowstyle="->"))  
  
plt.show()

畫圖結(jié)果：

跨子圖注釋

最后將 annotate() 方法做一個(gè)綜合演示，包括箭頭樣式、文字樣式、坐標(biāo)軸等，其中箭頭樣式等內(nèi)容將會(huì)在可視化之路專欄詳細(xì)講解完整代碼如下：

import matplotlib.pyplot as plt  
  
from basic_units import cm  
from matplotlib.patches import Ellipse  
  
fig, ax = plt.subplots(1, 1)  
font_style = {"family": "monospace", "fontsize": 15, "weight": "bold"}  
ellipse = Ellipse((2 * cm, 1 * cm), 0.05 * cm, 0.05 * cm, color='blue')  
ax.add_patch(ellipse)  
  
ax.annotate("fancy1", xy=(2 * cm, 1 * cm), xycoords='data', xytext=(0.8 * cm, 0.85 * cm), textcoords='data',  
            bbox=dict(boxstyle='round', fc='w', ec='k'),  
            arrowprops=dict(arrowstyle="fancy,head_length=0.4,head_width=0.4,tail_width=0.6", fc="gray",  
                            connectionstyle='arc3,rad=0.3', shrinkA=5, patchB=ellipse, shrinkB=5), ha='right', va='top',  
            **font_style)  
  
ax.annotate("fancy2", xy=(2 * cm, 1 * cm), xycoords='data', xytext=(0.8 * cm, 0.85 * cm), textcoords='axes fraction',  
            bbox=dict(boxstyle='round', fc='w', ec='k'),  
            arrowprops=dict(arrowstyle="fancy,head_length=0.4,head_width=0.4,tail_width=0.6", fc="gray",  
                            connectionstyle='arc3,rad=0.3', shrinkA=5, patchB=ellipse, shrinkB=5), ha='right', va='top',  
            **font_style)  
  
ax.set_xlim([0 * cm, 3 * cm])  
ax.set_ylim([0 * cm, 3 * cm])  
plt.show()

畫圖結(jié)果：

綜合示例

往期回顧

1. 【matplotlib】可視化解決方案——如何調(diào)整計(jì)量單位和計(jì)量方法
2. 【matplotlib】可視化解決方案——如何實(shí)現(xiàn)圖形的動(dòng)畫效果
3. 【matplotlib】可視化解決方案——如何正確使用plot方法
4. 【matplotlib】可視化解決方案——如何向畫布中添加坐標(biāo)軸
5. 【matplotlib】可視化解決方案——如何正確使用matplotlib顏色系統(tǒng)
6. 【matplotlib】可視化解決方案——如何實(shí)現(xiàn)畫布局部放大功能
7. 【matplotlib】可視化解決方案——如何更改matplotlib配置信息
8. 【matplotlib】可視化解決方案——如何定制化網(wǎng)格
9. 【matplotlib】可視化解決方案——如何向畫布添加交叉直線
10. 【matplotlib】可視化解決方案——如何解決matplotlib中文亂碼問題

文中難免會(huì)出現(xiàn)一些描述不當(dāng)之處（盡管我已反復(fù)檢查多次），歡迎在留言區(qū)指正，相關(guān)的知識(shí)點(diǎn)也可進(jìn)行分享，希望大家都能有所收獲！！如果覺得我的文章寫得還行，不妨支持一下。你的每一個(gè)轉(zhuǎn)發(fā)、關(guān)注、點(diǎn)贊、評(píng)論都是對(duì)我最大的支持！