| 參數值 | 說明 |
|---|---|
| center | 參數坐標相對于文本框的中心 |
| top | 參數坐標相對于文本框的上側 |
| bottom | 參數坐標相對于文本框的底部 |
| baseline | 參數坐標相對于文本的基線 |
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 8, 1000)
y = 2.0 * x + 0.5 * 5 * x ** 2
x_b = np.linspace(0, 8, 1000)
y_b = np.zeros_like(x_b)
plt.title('Acceleration Moving')
plt.xlabel('Time')
plt.ylabel('distance')
plt.scatter(x[0],y[0])
plt.text(0, 0, 'center', va='center')
plt.text(2, 0, 'top', va='top')
plt.text(4, 0, 'bottom', va='bottom')
plt.text(6, 0, 'baseline', va='baseline')
plt.plot(x, y, c = 'c')
plt.plot(x_b, y_b, c = 'm')
plt.show()
水平對齊選項如下所示：
| 參數值 | 說明 |
|---|---|
| center | 參數坐標相對于文本框的中心 |
| left | 參數坐標相對于文本框的左側 |
| right | 參數坐標相對于文本框的右側 |
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 8, 1000)
y = 2.0 * x + 0.5 * 5 * x ** 2
y_b = np.linspace(0, 100, 1000)
x_b = np.zeros_like(y_b)
plt.title('Acceleration Moving')
plt.xlabel('Time')
plt.ylabel('distance')
plt.scatter(x[0],y[0])
plt.text(0, 0, 'center', ha='center')
plt.text(0, 50, 'left', ha='left')
plt.text(0, 100, 'right', ha='right')
plt.plot(x, y, c = 'c')
plt.plot(x_b, y_b, c = 'm')
plt.show()
上文介紹了文本外圍包含隱式文本框，為了可以顯式的繪制文本框，plt.plot()支持一個以字典為輸入的bbox參數，此詞典用于定義文本框的外觀配置：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 8, 1000)
y = 2.0 * x + 0.5 * 5 * x ** 2
box = {
'facecolor': '.75',
'edgecolor': 'r',
'boxstyle': 'round'
}
plt.title('Acceleration Moving')
plt.text(0, 8, 'start', bbox=box)
plt.plot(x, y, c = 'c')
plt.show()
bbox參數的字典定義包含以下常見鍵值對：
| 鍵 | 說明與可選值 |
|---|---|
| facecolor | 用于設置文本框背景和邊的顏色 |
| edgecolor | 用于設置文本框邊緣的顏色 |
| alpha | 用于設置透明度級別，使文本框與背景更好的混合 |
| boxstyle | 設置文本框的樣式，可選值包括"round"和"square" |
| pad | 如果"boxstyle"設置為"square"，則它定義文本和文本框邊之間的填充量 |
添加文本框當然可以幫助注釋圖形，但有時當說明文本過多，并不能清楚的說明究竟與圖形的那一部分相對應，因此要說明圖形中的特定部分，沒有什么比使用箭頭更好的了，Matplotlib使用plt.annotate()函數繪制箭頭。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 8, 1000)
y = 2.0 * x + 0.5 * 5 * x ** 2
plt.annotate('start',
ha = 'center', va = 'bottom',
xytext = (2, 30.),
xy = (0, 0),
arrowprops = { 'facecolor' : 'black', 'shrink' : 0.05 })
plt.title('Acceleration Moving')
plt.plot(x, y, c = 'c')
plt.show()
Tips：plt.annotate()函數在顯示與plt.text()作用相同的說明文本文本外，同時也會渲染箭頭。要顯示的說明文本是第一個參數；xy參數指定箭頭的目標；xytext參數指定文本位置，同樣可以通過ha和va參數來改變文本對齊方式
箭頭的樣式由傳遞給arrowprops參數的字典控制，其中常用的鍵值包括：
| 鍵 | 說明與可選值 |
|---|---|
| arrowstyle | 控制箭頭的樣式，可選值包括"-"、""、“wedge”、"simple"和"fancy"等 |
| facecolor | 用于設置箭頭背景和邊的顏色 |
| edgecolor | 用于設置箭頭邊的顏色 |
| alpha | 用于設置透明度級別，使箭頭與背景更好的混合 |
收縮參數控制箭頭端點和箭頭本身之間的間隙。
在復雜圖形中，往往包含大量不同的曲線和點，如果這些曲線和點沒有相應的圖例，將無法對其進行準確的區分，因此圖例在實踐中是必不可少的。
使用plt.legend()函數以及繪圖函數的label可選參數，可以添加圖例：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 6, 1024)
data = np.random.standard_normal((150, 2))
print(data.size)
y_1 = np.sin(x)
y_2 = np.cos(x)
plt.xlabel('x')
plt.ylabel('y')
plt.plot(x, y_1, c = 'm', lw = 3., label = 'sin(x)')
plt.plot(x, y_2, c = 'c', lw = 3., ls = '--', label = 'cos(x)')
plt.scatter(data[:,0],data[:,1],c='y', label = 'random')
plt.legend()
plt.show()
Tips：每個plt繪圖函數(如plt.plot()、plt.scatter()等)都有一個可選的label參數來命名圖形的元素。plt.legend()函數的作用是呈現圖例，圖例是根據標簽自動生成的。
plt.legend()函數包含可選參數來控制圖例的呈現：
| 參數 | 說明與可選值 |
|---|---|
| loc | 用于控制圖例的位置，默認值為"best"，將以適合的方式自動放置圖例，其他可選值包括"upper left"、“lower left”、“lower right”、“right”、“center left”、“center right”、“lower center”、“upper center"和"center” |
| shadow | 可選值包括True和False，用于設置是否使用陰影效果呈現圖例 |
| fancybox | 可選值包括True和False，用于是否使用圓角框呈現圖例 |
| title | 用于為圖例設置標題 |
| ncol | 強制設置圖例的列數 |
我們已經學習了為圖形添加多種注釋的方法。然而，在實踐中，我們通常需要使用數學符號，因此，我們需要使用LaTex語法來添加數字符號。
要使用LaTex風格的符號，首先需要在計算機上安裝可用的LaTeX配置，以便Matplotlib可以解釋LaTeX語法來呈現數學文本。有關于安裝LaTeX的方法，不在本文的主題主題，大家可以根據自己的操作系統檢索安裝方法.
LaTex是學術界廣泛使用的一種文獻排版系統。與Microsoft Word等文檔編輯器不同，LaTeX用戶在編輯文檔時無法看到其最終顯示效果。文檔被描述為純文本文檔中存儲的文本及命令。最終，LaTeX將解釋文檔以進行呈現。在科學和工程界，LaTeX的公式語言通常用于在電子郵件和論壇中編寫數學文本。
使用LaTex風格的符號時，函數接受的字符串參數值以“$”字符開頭和結尾，這是向Matplotlib發出信號，以將文本解釋并呈現為LaTeX樣式的數學文本。字符串的內容就是數學文本的標準語言，關于Matplotlib中LaTeX樣式的數學文本的介紹，可以參考Matplotlib官網。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-4, 4, 10005)
y = 3 / 5 * (x + 4.2) * (x + 4.) * (x - 2.5)
plt.title('$f(x)=\\frac{3}{5}(x+4.4)(x+4)(x-2.5)$')
plt.plot(x, y, c = 'k')
plt.show()
Tips：這種LaTex風格的符號不限于標題，它可以用于任何其它注釋。LaTeX語言在很大程度上依賴于轉義字符\，但此符號恰好也是Python的字符串轉義字符。因此，如果要在一個LaTeX文本中使用\作為轉移字符，需要在Python字符串中使用兩個\。為了避免漏掉轉義字符，可以在字符串前面加上r，這樣就不需要任何轉義字符了，即："$f(x)=\\frac{1}{4}(x+4)(x+1)(x-2)$"等價于r'$f(x)=\frac{1}{4}(x+4)(x+1)(x-2)$'。
中文是使用Matplotlib的一個痛點，但是在實際應用中，又不可避免的會使用到中文用于統計圖注釋的顯示，如果不進行配置，會將中文字符顯示為亂碼。
使用中文字符作為注釋有多種方式，這里本著簡單就是最優的理念，使用plt.rcParams['font.sans-serif']進行設置：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 6, 1024)
data = np.random.standard_normal((150, 2))
y_1 = np.sin(x)
y_2 = np.cos(x)
plt.xlabel('x軸')
plt.ylabel('y軸')
plt.title('中文字符使用示例')
plt.plot(x, y_1, c = 'm', lw = 3., label = '正弦函數')
plt.plot(x, y_2, c = 'c', lw = 3., ls = '--', label = '余弦函數')
plt.scatter(data[:,0],data[:,1],c='y', label = '隨機點')
plt.rcParams['font.sans-serif'] = ['SimSun']
plt.legend()
plt.show()
Tips：使用plt.rcParams['font.sans-serif']設定支持中文字符的字體，使用中文字符的用法范圍與LaTex風格的符號一樣，它可以用于所有注釋，另外需要確保系統支持所設定的中文字符字體。
學會Python-Matplotlib可視化，快速完成數據分析（1）
一文詳解常見統計圖的繪制學會Python-Matplotlib可視化，快速完成數據分析（2）
到此這篇關于Matplotlib可視化之添加讓統計圖變得簡單易懂的注釋的文章就介紹到這了,更多相關Matplotlib可視化內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
