python畫圖時給圖中的點加標(biāo)簽和plt.text的使用
背景:
今天在用matplotlib模塊畫各城市2019-nCoV疫情確診人數(shù)和節(jié)前流入人口數(shù)的圖的時候遇到了要給圖中的點加上標(biāo)簽示意,原本圖長這個樣子

現(xiàn)在要給各散點標(biāo)注是哪個哪個城市,即下面這種圖:

matplotlib模塊加標(biāo)簽主要有matplotlib.pyplot.text()和matplotlib.pyplot.annotate()兩個關(guān)鍵函數(shù),后者適用范圍更廣,今天主要談一下前者matplotlib.pyplot.text(),簡寫成plt.text() 。
準(zhǔn)備知識:
在此重點講一下plt.text()的用法和參數(shù)設(shè)置,plt.text()函數(shù)基本語法如下:
plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , **kwargs)
其中:
- x,y表示標(biāo)簽添加的位置,默認(rèn)是根據(jù)坐標(biāo)軸的數(shù)據(jù)來度量的,是絕對值,也就是說圖中點所在位置的對應(yīng)的值,特別的,如果你要變換坐標(biāo)系的話,要用到
transform=ax.transAxes參數(shù)。 - s表示標(biāo)簽的符號,字符串格式,比如你想加個“我愛三行科創(chuàng)”,更多的是你標(biāo)注跟數(shù)據(jù)有關(guān)的主體,你如實寫便是。
fontsize顧名思義就是你加標(biāo)簽字體大小了,取整數(shù)。verticalalignment表示垂直對齊方式 ,可選 ‘center’ ,‘top’ , ‘bottom’,‘baseline’ 等horizontalalignment表示水平對齊方式 ,可以填 ‘center’ , ‘right’ ,‘left’ 等rotation表示標(biāo)簽的旋轉(zhuǎn)角度,以逆時針計算,取整- 后面還有 family 用來設(shè)置字體,style 設(shè)置字體的風(fēng)格,weight 字體的粗細(xì), bbox 給字體添加框,如 bbox=dict(facecolor=‘red’, alpha=0.5) 等,各種風(fēng)格,應(yīng)有盡有,總有一款適合你。
實例操作:
講解玩關(guān)鍵函數(shù)類plt.text()的用法之后,我們要進(jìn)行實際操作。首先,我們用下面代碼把第一張圖畫出來
import pandas as pd #導(dǎo)入數(shù)據(jù)分析模塊
import matplotlib.pyplot as plt #導(dǎo)入繪圖模塊類
plt.rcParams['font.sans-serif']=['SimHei'] #圖中文字體設(shè)置為黑體
plt.rcParams['axes.unicode_minus']=False #負(fù)值顯示
data=pd.read_excel(r"D:\城市租賃地圖\人流流動與疫情發(fā)展\百度遷徙.xlsx") #讀取數(shù)據(jù)
city_name=data['city'] #城市名稱
people_flow=data['out_people']*100 #流出人口,單位百人
confirm=data['confirm(2.10)'] #確診人數(shù)
fig=plt.figure(figsize=(8,6)) #新建畫布
ax=plt.subplot(1,1,1) #子圖初始化
ax.scatter(people_flow,confirm) #繪制散點圖 ??
ax.set_title("人口流入-確診人數(shù)")
ax.set_xlabel("人口流入數(shù)(百人)")
ax.set_ylabel("確診人數(shù)")
plt.show()然后再給第一個點加上標(biāo)簽,只需要添加一行代碼即可:

ax.text(430, 337, "北京", fontsize=12, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right', rotation=90)
其中430, 337就是這個點的坐標(biāo)值,北京是這個點的主體,你可以不斷的去調(diào)后面的參數(shù)使其滿足你所需。
接著,我們要批量給圖中的點加上主體標(biāo)簽,使其看起來像第二張圖,需要用到循環(huán)語句來控制加標(biāo)簽的位置
for i in range(len(confirm)): ? ? ax.text(people_flow[i]*1.01, confirm[i]*1.01, city_name[i], fontsize=10, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right',rotation=0) #給散點加標(biāo)簽
這里關(guān)鍵是里面偏移參數(shù)的設(shè)定,比如這里兩個偏移率都設(shè)置成1.01, 當(dāng)初想的是標(biāo)簽不要覆蓋原來的點,兩者最好不重合,看起來大方得體,你可以開始的設(shè)置成1.0,觀察效果然后慢慢調(diào)節(jié),舉個例子,如果是柱狀圖,且寬度適合的話,第一個偏移率設(shè)置成1.0,第二個設(shè)置成1.05左右,即稍微高出柱子多一丁點顯示柱子的標(biāo)簽。
完整代碼:
最后給出完整代碼,如果你不會寫代碼或者只要數(shù)據(jù)測試,百度遷徙.xlsx如下:

import pandas as pd #導(dǎo)入數(shù)據(jù)分析模塊
import matplotlib.pyplot as plt #導(dǎo)入繪圖模塊類
plt.rcParams['font.sans-serif']=['SimHei'] #圖中文字體設(shè)置為黑體
plt.rcParams['axes.unicode_minus']=False #負(fù)值顯示
data=pd.read_excel(r"D:\城市租賃地圖\人流流動與疫情發(fā)展\百度遷徙.xlsx") #讀取數(shù)據(jù)
city_name=data['city'] #城市名稱
people_flow=data['out_people']*100 #流出人口,單位百人
confirm=data['confirm(2.10)'] #確診人數(shù)
fig=plt.figure(figsize=(8,6)) #新建畫布
ax=plt.subplot(1,1,1) #子圖初始化
ax.scatter(people_flow,confirm) #繪制散點圖 ??
ax.set_title("人口流入-確診人數(shù)")
ax.set_xlabel("人口流入數(shù)(百人)")
ax.set_ylabel("確診人數(shù)")
#ax.text(430, 337, "北京", fontsize=12, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right',rotation=90)
for i in range(len(confirm)):
? ? ax.text(people_flow[i]*1.01, confirm[i]*1.01, city_name[i],?
? ? ? ? ? ? fontsize=10, color = "r", style = "italic", weight = "light",
? ? ? ? ? ? verticalalignment='center', horizontalalignment='right',rotation=0) #給散點加標(biāo)簽
plt.show()
到此這篇關(guān)于python畫圖時給圖中的點加標(biāo)簽和plt.text的使用的文章就介紹到這了,更多相關(guān)python給圖中點加標(biāo)簽內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
解決Jupyter Notebook使用parser.parse_args出現(xiàn)錯誤問題
這篇文章主要介紹了解決Jupyter Notebook使用parser.parse_args出現(xiàn)錯誤問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
TensorFlow tf.nn.conv2d_transpose是怎樣實現(xiàn)反卷積的
這篇文章主要介紹了TensorFlow tf.nn.conv2d_transpose是怎樣實現(xiàn)反卷積的,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
Python計算標(biāo)準(zhǔn)差之numpy.std和torch.std的區(qū)別
Torch自稱為神經(jīng)網(wǎng)絡(luò)中的numpy,它會將torch產(chǎn)生的tensor放在GPU中加速運算,就像numpy會把a(bǔ)rray放在CPU中加速運算,下面這篇文章主要給大家介紹了關(guān)于Python?Numpy計算標(biāo)準(zhǔn)差之numpy.std和torch.std區(qū)別的相關(guān)資料,需要的朋友可以參考下2022-08-08
Python實現(xiàn)視頻轉(zhuǎn)換為字符畫詳解
這篇文章主要介紹了如何通過Python實現(xiàn)讀取視頻并將其轉(zhuǎn)換為字符畫的示例代碼,文中講解詳細(xì),對我們的學(xué)習(xí)和工作有一點的價值,感興趣的小伙伴可以了解一下2021-12-12

