欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

如何在 matplotlib 中加注释和内嵌图

程序员文章站 2023-12-23 15:44:46
...

如何在 matplotlib 中加注释和内嵌图

在用Matplotlib进行可视化过程中,很多时候为了更直观地展现数据大小,会将具体的数值标注在图形中,比如在柱状图上标明数值大小。

这篇文章会以一个实际的案例,详细讲讲如何给数据加注解,同时也介绍一下一种比较骚的操作,即Matplotlib的内嵌图(把一张小图嵌入到一张大图中),学会这个后,你能够绘制出这种图形

如何在 matplotlib 中加注释和内嵌图

数据注释

演示的数据集为2016年抵美(到达美国)人数排名前十的国家数据,包含国名和具体入境人数,人数的具体单位为百万人次

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

plt.rcParams['font.sans-serif'] = 'SimHei'

x_data = ['加拿大','墨西哥','英国','日本','中国','德国','韩国','法国','巴西','印度']
y_data = [13.428347,12.255948,3.019111,2.352919,2.09833,1.322882,1.282097,1.127868,1.109066,0.874016]

有了数据后,可以非常快地画出一张柱状图

fig,ax = plt.subplots(figsize=(16,6))
ax.bar(x_data,y_data)

如何在 matplotlib 中加注释和内嵌图

接下来开始加注释,即在柱状图上显示具体数值。在Matplotlib中,为数据加上注释有两种方式,一种是使用ax.text(),另一种则是ax.annotate()

ax.text()

ax.text()的主要作用是为图中加上一些text,也就是文字。不仅是能够加注释,只要指定了坐标,可以在图上的任何坐标加上text

函数中的几个重要的参数,具体介绍一下

  • x:x的坐标

  • y:y的坐标

  • s:要加的文字

  • rotation:文字旋转的角度

  • fontsize:文字字体大小

  • fontweight:文字字体粗细

需要注意的是,每次调用ax.text()只能生成一个Text对象,也就是说每次只能加一个注释,多个的话需要写循环生成

所以一般加注释是这么一个流程:先确定注释的横纵坐标-->写循环调用ax.text()

fig,ax = plt.subplots(figsize=(16,6))
ax.bar(x_data,y_data)

# 循环生成text
# horizontalalignment参数设置注释居中显示
for x,y in zip(x_data,y_data):
    ax.text(x,y+0.05,y,fontsize=14,horizontalalignment='center')
如何在 matplotlib 中加注释和内嵌图

关于图表美化方面,这里暂时不过多赘述。

ax.annotate()

相比于ax.text()ax.annotate()更像是专门为做注释而生的,annotate便是注释的意思。

ax.annotate()的注释功能更强大,除了加入文本注释外,如果有需要还能够加上箭头→进行指示。

一些主要的参数如下:

  • s:注释文本

  • xy:要加注释的数据点位置

  • xytext:文本注释的位置,默认情况下为xy

  • arrowprops:一个控制箭头的属性的dict,如果需要显示箭头,必须要设置

这里比较有意思的两个参数是xyxytext,二者貌似没啥区别的样子,这个地方确实很容易产生困惑。

一般情况下,sxy是必须要设置的参数,如果不指定,xytext默认和xy一致。

但如果要设置箭头的话,xy的坐标则定义了箭头的头部xytext则指定箭头的尾部和文本注释的位置,实际画图来理解看看。

ax.annotate()ax.text()的画图流程是一致的,都需要循环生成注释。

不设置箭头,简单加上注释

fig,ax = plt.subplots(figsize=(16,6))
ax.bar(x_data,y_data)


for x,y in zip(x_data,y_data):
    ax.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment='center')
如何在 matplotlib 中加注释和内嵌图

加上注释并设置箭头

fig,ax = plt.subplots(figsize=(16,6))
ax.bar(x_data,y_data)

# 箭头头部坐标(x,y)
# 箭头尾部坐标(注释坐标)为(x,y+1)
for x,y in zip(x_data,y_data):
    ax.annotate(y,xy = (x,y),xytext = (x,y+1),fontsize=14,horizontalalignment='center',
               arrowprops =dict(arrowstyle='->'))
# 将纵坐标范围扩大
ax.set_ylim([0,16])
如何在 matplotlib 中加注释和内嵌图

设置了显示箭头之后,可以明显地看出,箭头是由xytext坐标指向xy的坐标的,所以,当你不需要设置箭头的时候,xytext设置的意义并不大。

内嵌图

内嵌图大家可能用的比较少,但这种图其实还是挺有用的。

拿上面的数据例子来说,柱状图显示了2016年抵美人数排名前十的国家的具体人数,如果这时想结合各大地域抵美人数的占比数据进行分析,该如何绘图?

一个比较直接的想法是用subplots子图来实现,比如上边显示柱状图,下边显示饼图,如下:

zhou_name = ['西欧','亚洲','南美洲','大洋洲','加勒比地区','中东地区','中美洲','东欧','非洲']
zhou_percent = [36.2,30.8,13.9,4.3,4.1,3.8,2.8,2.6,1.5]

fig,ax = plt.subplots(2,1,figsize=(16,12))
ax[0].bar(x_data,y_data)
for x,y in zip(x_data,y_data):
    ax[0].annotate(y,(x,y+0.05),fontsize=14,horizontalalignment='center')

ax[1].pie(zhou_percent,labels=zhou_name,autopct='%1.1f%%')
如何在 matplotlib 中加注释和内嵌图

这当然是可行的,但还有更好的方案,那便是内嵌图。注意到这里的柱状图右侧有很大的留白部分,如果把饼图放到柱状图右侧的留白部分会显得更加直观。

内嵌图有两种生成方式,一种是fig.add_axes(),另一种则是使用inset_axes()

fig.add_axes()

fig.add_axes()就是在原有的Figure上加上一个新的区域Axes,然后在这个区域中绘制图形。

使用这个方法的话需要指定新增的这个区域AxesFigure中的相对位置和区域大小,输入参数均为相对于原来Figure的比例值,如下:

# left和bottom控制新Axes的位置
# width和height控制新Axes的大小(长宽)
# 这些均用相对数来表示,大小在0-1之间
left,bottom,width,height = [0.5,0.3,0.5,0.5]

fig,ax1 = plt.subplots(figsize=(16,6))
ax1.bar(x_data,y_data)
for x,y in zip(x_data,y_data):
    ax1.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment='center')

# 运用fig.add_axes()新增一个区域Axes绘图
ax2 = fig.add_axes([left,bottom,width,height])
ax2.pie(zhou_percent,labels=zhou_name,autopct='%1.1f%%')
如何在 matplotlib 中加注释和内嵌图

inset_axes

相比于fig.add_axes()需要对相对位置进行调试,使用inset_axes()进行绘图则可以方便进行定位。

inset_axes中的位置由参数loc设置,可以用字符串控制,也可以输入数字,具体如下:

'upper right'  : 1

'upper left'   : 2

'lower left'   : 3

......

'upper center' : 9

'center'       : 10

# 使用前需要先导包
from mpl_toolkits.axes_grid1.inset_locator import inset_axes

fig,ax1 = plt.subplots(figsize=(16,6))
ax1.bar(x_data,y_data)
for x,y in zip(x_data,y_data):
    ax1.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment='center')

# 将内嵌图置于右侧,宽度和长度分别为相对长度
ax2 = inset_axes(ax1,width = '60%',height = '60%',loc='right')
ax2.pie(zhou_percent,labels=zhou_name,autopct='%1.1f%%')
如何在 matplotlib 中加注释和内嵌图

美化方面这里就不再多讲了,具体可以参照这篇文章如何用 Matplotlib 画一张好看的图

如何在 matplotlib 中加注释和内嵌图

推荐阅读:

一文读懂高并发情况下的常见缓存问题

用 Django 开发基于以太坊智能合约的 DApp

一文读懂 Python 分布式任务队列 celery

5 分钟解读 Python 中的链式调用

用 Python 创建一个比特币价格预警应用

如何在 matplotlib 中加注释和内嵌图

 点击即享阿里云产品0.9折优惠起

上一篇:

下一篇: