Matplotlib进阶教程：文本讲解

最新推荐文章于 2024-04-17 17:16:00 发布
最新推荐文章于 2024-04-17 17:16:00 发布
阅读量1.5k 收藏 37
点赞数 5
文章标签： matplotlib
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45464895/article/details/124701471
版权

b9081449b50d386a62652f178113dcb5.gif

在后台回复【阅读书籍】

即可获取python相关电子书~

Hi，我是山月。

今天我们来讲解Matplotlib里的文本教程，这也是这个系列的倒数第二篇，还没有学习的小伙伴可以学习起来啦~

在公众号后台选择【往期】--【Matplotlib】即可查看已更新的全部教程哦~

e0dea04118ff3ea47c10f48ed8177b28.jpeg

01

Matplotlib 图中的文本

下面来介绍下如何在 Matplotlib 中绘制和处理文本。

1、基本文本命令

以下命令用于在 pyplot 界面和面向对象的 API 中创建文本：

4046031c21bd0a3af17f324f04cca6fd.png

所有这些函数都会创建并返回一个 Text 实例，该实例可以配置各种字体和其他属性。

import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)
fig.subplots_adjust(top=0.85)

# 分别为图形和子图设置标题
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
ax.set_title('axes title')

ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')

# 将x轴和y轴限制设置为[0,10]，而不是默认值[0,1]
ax.axis([0, 10, 0, 10])

ax.text(3, 8, 'boxed italics text in data coords', style='italic',
        bbox={'facecolor': 'red', 'alpha': 0.5, 'pad': 10})

ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)

ax.text(3, 2, 'unicode: Institut für Festkörperphysik')

ax.text(0.95, 0.01, 'colored text in axes coords',
        verticalalignment='bottom', horizontalalignment='right',
        transform=ax.transAxes,
        color='green', fontsize=15)

ax.plot([2], [1], 'o')
ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
            arrowprops=dict(facecolor='black', shrink=0.05))

plt.show()

效果：

80c13a55f8a23bf26f96901f6373ffe1.png

2、x 轴和 y 轴标签

可以通过 set_xlabel 和 set_ylabel 方法指定 x 轴和 y 轴的标签：

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('time [s]')
ax.set_ylabel('Damped oscillation [V]')

plt.show()

效果：

7fec7c893531c62bc6a2912029da65bf.png

x和y标签会自动放置，以便清除x和y标签。

比较下面的图和上面的图，注意y标签的位置。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1*10000)
ax.set_xlabel('time [s]')
ax.set_ylabel('Damped oscillation [V]')

plt.show()

效果：

14c7c768a616e5f672ea4be357015ca8.png

如果要移动标签，可以指定 labelpad 关键字参数，其中值是磅（1磅=1/72英寸，与字体大小是相同的单位，12磅高即是12号字）。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1*10000)
ax.set_xlabel('time [s]')
ax.set_ylabel('Damped oscillation [V]', labelpad=18)

plt.show()

效果：

aaa2e7a0a7bff227065a1b7f55c2aeff.png

标签也接受所有 Text 关键字参数，包括位置。

所以我们可以通过手动指定标签位置，比如将 x轴标签放在轴的最左侧。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('time [s]', position=(0., 1e6), horizontalalignment='left')
ax.set_ylabel('Damped oscillation [V]')

plt.show()

效果：

c167549420747bd462e0d2ca66996c7b.png

标签也可以通过 matplotlib.font_manager.FontProperties 方法更改，或者使它作为参数添加到set_ylabel：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

font = FontProperties()
font.set_family('serif')
font.set_name('Times New Roman')
font.set_style('italic')

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('time [s]', fontsize='large', fontweight='bold')
ax.set_ylabel('Damped oscillation [V]', fontproperties=font)

plt.show()

效果：

135ac2868dbcf005e21d35c05cac6a36.png

最后，我们可以在所有文本对象中使用本机 TeX 渲染并拥有多行：

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.2, left=0.2)
ax.plot(x1, np.cumsum(y1**2))
ax.set_xlabel('time [s] \n This was a long experiment')
ax.set_ylabel(r'$\int\ Y^2\ dt\ \ [V^2 s]$')
plt.show()

效果：

0d9c2548919968f74e0a41f6b1871c3e.png

3、标题

子图标题的设置方式与标签大致相同，但可以通过 loc（ 默认loc=center ） 关键字参数更改位置和对齐方式。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, axs = plt.subplots(3, 1, figsize=(5, 6), tight_layout=True)
locs = ['center', 'left', 'right']
for ax, loc in zip(axs, locs):
    ax.plot(x1, y1)
    ax.set_title('Title with loc at '+loc, loc=loc)
plt.show()

效果：

1b94f7db41e87fd1f6a349e82b2b6bab.png

标题的垂直间距通过参数pad（默认值 6.0）控制，设置不同的间距会移动标题位置。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(top=0.8)
ax.plot(x1, y1)
ax.set_title('Vertically offset title', pad=30)
plt.show()

效果：

58f0bc4369c30fb1731be08c3435cb7f.png

4、刻度和刻度标签

1、术语解释

Axes 具有用于 ax.xaxis 和 ax.yaxis 的 matplotlib.axis.Axis 对象，其中包含轴标签如何布局的信息。

Axis 对象具有主/次刻度。

Axis可以通过Axis.set_major_locator 和 Axis.set_minor_locator 方法，使用正在绘制的数据来确定主和次刻度的位置。

还有用于格式化刻度标签的 Axis.set_major_formatter 和 Axis.set_minor_formatter 方法。

2、简单的刻度

Matplotlib 会自动给我们定义基础的刻度，如第一个图。

不过我们也可以在这个基础上进行一些设置，比如重置轴限制，如第二个图。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
axs[1].xaxis.set_ticks(np.arange(0., 8.1, 2.))
plt.show()

效果：

6b85d37e24b8eace99bbcbebda304dad.png

更改刻度的格式：

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
tickla = ['%1.2f' % tick for tick in ticks]
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_ticklabels(tickla)
axs[1].set_xlim(axs[0].get_xlim())
plt.show()

效果：

d2eb99ef5740090ada3806b77ebe2715.png

3、刻度定位器和格式化程序

我们可以使用 matplotlib.ticker.StrMethodFormatter （ str.format() 格式字符串）或 matplotlib.ticker.FormatStrFormatter （ '%' 格式字符串）并将其传递给ax.xaxis，而不是列出所有刻度标签的列表。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
formatter = matplotlib.ticker.StrMethodFormatter('{x:1.1f}')
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_major_formatter(formatter)
axs[1].set_xlim(axs[0].get_xlim())
plt.show()

效果：

c6cd137d19ecc838f56219317b238c15.png

当然，我们可以使用非默认定位器来设置刻度位置：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
ticks = np.arange(0., 8.1, 2.)

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
formatter = matplotlib.ticker.FormatStrFormatter('%1.1f')
locator = matplotlib.ticker.FixedLocator(ticks)
axs[1].xaxis.set_major_locator(locator)
axs[1].xaxis.set_major_formatter(formatter)
plt.show()

效果：

b3fb751ef2052370b1e1380657e00e21.png

默认的格式化程序是 matplotlib.ticker.MaxNLocator：

ticker.MaxNLocator(self, nbins='auto', steps=[1, 2, 2.5, 5, 10])

steps 关键字包含一个可用于刻度值的倍数列表。

即在 steps=[1, 2, 2.5, 5, 10]) 的情况下，2、4、6 是可接受的刻度，20、40、60 或 0.2、0.4、0.6 也是如此。

但是，3、6、9 是不可接受的，因为 3 没有出现在步骤列表中。

nbins=auto 根据轴的长度使用算法来确定可接受的刻度数，但它只考虑了刻度标签的字体大小，但没有考虑刻度标签的的长度。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
for n, ax in enumerate(axs.flat):
    ax.plot(x1*10., y1)

formatter = matplotlib.ticker.FormatStrFormatter('%1.1f')
locator = matplotlib.ticker.MaxNLocator(nbins='auto', steps=[1, 4, 10])
axs[0, 1].xaxis.set_major_locator(locator)
axs[0, 1].xaxis.set_major_formatter(formatter)

formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
locator = matplotlib.ticker.AutoLocator()
axs[1, 0].xaxis.set_major_formatter(formatter)
axs[1, 0].xaxis.set_major_locator(locator)

formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
locator = matplotlib.ticker.MaxNLocator(nbins=4)
axs[1, 1].xaxis.set_major_formatter(formatter)
axs[1, 1].xaxis.set_major_locator(locator)

plt.show()

效果：

30de6cbce3864c9a9e12cb56564e7275.png

最后，我们可以使用 matplotlib.ticker.FuncFormatter 为格式化程序指定函数。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

def formatoddticks(x, pos):
    # 设置奇数刻度位置的格式
    if x % 2:
        return '%1.2f' % x
    else:
        return ''

fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.plot(x1, y1)
formatter = matplotlib.ticker.FuncFormatter(formatoddticks)
locator = matplotlib.ticker.MaxNLocator(nbins=6)
ax.xaxis.set_major_formatter(formatter)
ax.xaxis.set_major_locator(locator)

plt.show()

效果：

35c7f6b2551eb6013ac351604dc28e01.png

4、日期刻度

Matplotlib 可接受 datetime.datetime 和 numpy.datetime64 对象作为绘图参数。

由于日期和时间需要特殊格式，所以它通常手动设置。

日期具有的特殊定位器和格式化程序，这在 matplotlib.dates 模块中定义了。

一个简单的例子如下：

import matplotlib.pyplot as plt
import numpy as np
import datetime

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
base = datetime.datetime(2017, 1, 1, 0, 0, 1)
time = [base + datetime.timedelta(days=x) for x in range(len(x1))]

ax.plot(time, y1)
ax.tick_params(axis='x', rotation=70)
plt.show()

效果：

5003285e6eb6d3fb303271eaae54a1a1.png

我们可以将格式传递给 matplotlib.dates.DateFormatter。

注意29号和下个月的时间很接近，所以我们可以通过使用 dates.DayLocator 类来指定要使用的月份的日期列表。

matplotlib.dates 模块中也列出了类似的格式化程序。

import matplotlib.pyplot as plt
import numpy as np
import datetime
import matplotlib.dates as mdates

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

base = datetime.datetime(2017, 1, 1, 0, 0, 1)
time = [base + datetime.timedelta(days=x) for x in range(len(x1))]
locator = mdates.DayLocator(bymonthday=[1, 15])
formatter = mdates.DateFormatter('%b %d')

fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.xaxis.set_major_locator(locator)
ax.xaxis.set_major_formatter(formatter)
ax.plot(time, y1)
ax.tick_params(axis='x', rotation=70)
plt.show()

效果：

05c6337e7d8ea6e82406e4a7b8e2e9dd.png

02

文本属性和布局

matplotlib.text.Text 实例有多种属性，可以通过文本命令的关键字参数（例如，title()、xlabel() 和 text()）进行配置。

37f9270c99f22b3fa0613d724142ad92.png

可以使用对齐参数horizontalalignment（水平对齐）、verticalalignment（垂直对齐）和multialignment（多重对齐）来布置文本。

  • Horizontalalignment 控制文本的 x 位置参数在文本边界框的左侧、中心还是右侧。

  • verticalalignment 控制文本的 y 位置参数在文本边界框的底部、中心还是顶部。

  • multialignment，仅用于换行分隔的字符串，控制不同的行是左对齐、居中对齐还是右对齐。

import matplotlib.pyplot as plt
import matplotlib.patches as patches

# 在坐标系中建立一个矩形
left, width = .25, .5
bottom, height = .25, .5
right = left + width
top = bottom + height

fig = plt.figure()
ax = fig.add_axes([0, 0, 1, 1])

# 轴坐标：（0，0）为左下角，（1，1）为右上角
p = patches.Rectangle(
    (left, bottom), width, height,
    fill=False, transform=ax.transAxes, clip_on=False
    )

ax.add_patch(p)

ax.text(left, bottom, 'left top',
        horizontalalignment='left',
        verticalalignment='top',
        transform=ax.transAxes)

ax.text(left, bottom, 'left bottom',
        horizontalalignment='left',
        verticalalignment='bottom',
        transform=ax.transAxes)

ax.text(right, top, 'right bottom',
        horizontalalignment='right',
        verticalalignment='bottom',
        transform=ax.transAxes)

ax.text(right, top, 'right top',
        horizontalalignment='right',
        verticalalignment='top',
        transform=ax.transAxes)

ax.text(right, bottom, 'center top',
        horizontalalignment='center',
        verticalalignment='top',
        transform=ax.transAxes)

ax.text(left, 0.5*(bottom+top), 'right center',
        horizontalalignment='right',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(left, 0.5*(bottom+top), 'left center',
        horizontalalignment='left',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(0.5*(left+right), 0.5*(bottom+top), 'middle',
        horizontalalignment='center',
        verticalalignment='center',
        fontsize=20, color='red',
        transform=ax.transAxes)

ax.text(right, 0.5*(bottom+top), 'centered',
        horizontalalignment='center',
        verticalalignment='center',
        rotation='vertical',
        transform=ax.transAxes)

ax.text(left, top, 'rotated\nwith newlines',
        horizontalalignment='center',
        verticalalignment='center',
        rotation=45,
        transform=ax.transAxes)

ax.set_axis_off()
plt.show()

效果：

95fcff85417f96a9a719680ef8b70179.png

1、默认字体

默认字体由一组参数控制。

比如要设置数学表达式中的字体，可以使用以 mathtext 开头的参数。

94731182d33c000465c282d028b20e76.png

family别名（{'cursive', 'fantasy', 'monospace', 'sans', 'sans serif', 'sans-serif', 'serif'}）和实际字体名称之间的映射由以下参数控制：

88cf3badcc7a8ba4c8a1b1acc71c82ee.png

2、非拉丁字形文本

从 v2.0 开始，默认字体 DejaVu 包含许多西方字母的字形，但不包含其他文字，例如中文、韩文或日文。

若要将默认字体设置为支持所需码点的字体，可以将字体名称前缀为'font.family'或想要的别名列表。

matplotlib.rcParams['font.sans-serif'] = ['Source Han Sans TW', 'sans-serif']

或将其设置在 .matplotlibrc 文件中：

font.sans-serif: Source Han Sans TW, Arial, sans-serif

要控制每个artist使用的字体，可以使用上面记录的 'name'、'fontname' 或 'fontproperties' 关键字参数。

03

注释

1、基础注释

使用 text() 可以将文本放置在轴上的任意位置。

文本的一个常见用例是对绘图的某些特征进行注释，使用annotate() 方法可以使注释变的简单。

在注释中，有两点需要考虑：被注释的位置由参数xy表示；文本的位置由参数xytext表示。

这两个参数都是(x, y)元组。

示例：

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()

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()

效果：

706d3680f510f185c3eb54a8989db90c.png

在此示例中，xy位置和 xytext 位置都在数据坐标中，但你也可以通过下面的字符串指定xy和xytext的坐标系统：

12ec012aebe9e945e81b2f31bb98b011.png

如果要将文本坐标放在分数轴坐标中，可以这样做：

ax.annotate('local max', xy=(3, 1),  xycoords='data',
            xytext=(0.8, 0.95), textcoords='axes fraction',
            arrowprops=dict(facecolor='black', shrink=0.05),
            horizontalalignment='right', verticalalignment='top',
            )

对于物理坐标系（点或像素），原点是图形或axes的左下角。

可以在可选关键字参数 arrowprops 中提供箭头属性字典来启用从文本到注释点的箭头绘制：

1b7f261267c73a5dd10473ecb2d40272.png

示例：

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
line, = ax.plot(theta, r, color='#ee8d18', lw=3)

ind = 800
thisr, thistheta = r[ind], theta[ind]
ax.plot([thistheta], [thisr], 'o')
ax.annotate('a polar annotation',
            xy=(thistheta, thisr),  # theta, radius
            xytext=(0.05, 0.05),    # fraction, fraction
            textcoords='figure fraction',
            arrowprops=dict(facecolor='black', shrink=0.05),
            horizontalalignment='left',
            verticalalignment='bottom',
            )
plt.show()

效果：

5255f01963d6bcb883b0760aa7f3cdca.png

2、高级注释

1、用框注释文本

让我们从一个简单的例子开始。

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(5, 5))
ax.set_aspect(1)

x1 = -1 + np.random.randn(100)
y1 = -1 + np.random.randn(100)
x2 = 1. + np.random.randn(100)
y2 = 1. + np.random.randn(100)

ax.scatter(x1, y1, color="r")
ax.scatter(x2, y2, color="g")

bbox_props = dict(boxstyle="round", fc="w", ec="0.5", alpha=0.9)
ax.text(-2, -2, "Sample A", ha="center", va="center", size=20,
        bbox=bbox_props)
ax.text(2, 2, "Sample B", ha="center", va="center", size=20,
        bbox=bbox_props)


bbox_props = dict(boxstyle="rarrow", fc=(0.8, 0.9, 0.9), ec="b", lw=2)
t = ax.text(0, 0, "Direction", ha="center", va="center", rotation=45,
            size=15,
            bbox=bbox_props)

bb = t.get_bbox_patch()
bb.set_boxstyle("rarrow", pad=0.6)

ax.set_xlim(-4, 4)
ax.set_ylim(-4, 4)

plt.show()

效果：

f0487a66f7b5a2a8fed48725e7f9f3b3.png

pyplot 模块中的 text() 函数（或 Axes 类的 text 方法）接受 bbox 关键字参数，当给定时，会在文本周围绘制一个框。

bbox_props = dict(boxstyle="rarrow,pad=0.3", fc="cyan", ec="b", lw=2)
t = ax.text(0, 0, "Direction", ha="center", va="center", rotation=45,
            size=15,
            bbox=bbox_props)

可以通过以下方式访问与文本关联的patch对象：

bb = t.get_bbox_patch()

返回值是一个 FancyBboxPatch 实例，并且可以像往常一样访问和修改诸如 facecolor、edgewidth 等的patch属性。

要更改框的形状，可以使用 set_boxstyle 方法。

bb.set_boxstyle("rarrow", pad=0.6)

参数是框样式的名称，其属性作为关键字参数。目前，实现了以下框样式：

e5f2af1e7f1f619ae5c2fbfcfa0a4cd5.png

import matplotlib.pyplot as plt
import matplotlib.patches as mpatch

styles = mpatch.BoxStyle.get_styles()
spacing = 1.2

figheight = (spacing * len(styles) + .5)
fig = plt.figure(figsize=(4 / 1.5, figheight / 1.5))
fontsize = 0.3 * 72

for i, stylename in enumerate(sorted(styles)):
    fig.text(0.5, (spacing * (len(styles) - i) - 0.5) / figheight, stylename,
             ha="center",
             size=fontsize,
             bbox=dict(boxstyle=stylename, fc="w", ec="k"))

plt.show()

效果：

0b9b1f8020081671286820303f2015f0.png

注意，属性参数可以在样式名称中用逗号分隔。

bb.set_boxstyle("rarrow,pad=0.6")

2、用箭头注释

pyplot 模块中的 annotate() 函数（或 Axes 类的 annotate 方法）也可用于绘制连接图上两点的箭头。

ax.annotate("Annotation",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='offset points',
            )

这使用 textcoords 中给出的 xytext 坐标处的文本来注释 xycoords 中给出的 xy 坐标处的点。

通常，注释点在数据坐标中指定，注释文本在偏移点中指定。

通过指定 arrowprops 参数，可以选择绘制连接两点（xy 和 xytext）的箭头。

如果仅想绘制箭头，则使用空字符串作为第一个参数：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(3, 3))
ax.annotate("",
            xy=(0.2, 0.2), xycoords='data',
            xytext=(0.8, 0.8), textcoords='data',
            arrowprops=dict(arrowstyle="->",
                            connectionstyle="arc3"),
            )

plt.show()

效果：

fe9f648cb7680853500cb87f6995d1bb.png

绘制箭头图需要以下几个步骤：

  • 创建两点之间的连接路径。这由 connectionstyle 键值对控制。

  • 如果给出了patch对象（patchA和patchB），则剪切路径以避免patch。

  • 路径进一步收缩到给定的像素量（shrinkA & shrinkB）

  • 路径转换为箭头patch，由arrowstyle键值对控制。

import matplotlib.pyplot as plt
import matplotlib.patches as mpatches


fig, axs = plt.subplots(2, 2)
x1, y1 = 0.3, 0.3
x2, y2 = 0.7, 0.7

ax = axs.flat[0]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",
                            color="0.5",
                            patchB=None,
                            shrinkB=0,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "connect", transform=ax.transAxes, ha="left", va="top")

ax = axs.flat[1]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",
                            color="0.5",
                            patchB=el,
                            shrinkB=0,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "clip", transform=ax.transAxes, ha="left", va="top")

ax = axs.flat[2]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="-",
                            color="0.5",
                            patchB=el,
                            shrinkB=5,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "shrink", transform=ax.transAxes, ha="left", va="top")

ax = axs.flat[3]
ax.plot([x1, x2], [y1, y2], ".")
el = mpatches.Ellipse((x1, y1), 0.3, 0.4, angle=30, alpha=0.2)
ax.add_artist(el)
ax.annotate("",
            xy=(x1, y1), xycoords='data',
            xytext=(x2, y2), textcoords='data',
            arrowprops=dict(arrowstyle="fancy",
                            color="0.5",
                            patchB=el,
                            shrinkB=5,
                            connectionstyle="arc3,rad=0.3",
                            ),
            )
ax.text(.05, .95, "mutate", transform=ax.transAxes, ha="left", va="top")

for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)

plt.show()

效果：

e18dc3b19da07ad5c59f9c4142fa3618.png

两点之间的连接路径的创建由 connectionstyle 键控制，可以使用以下样式：

af20ec11bbb4829fc19a89f7d5f275f9.png

请注意，angle3 和 arc3 中的“3”表示生成的路径是二次样条线段（三个控制点）。

在下面的示例中（有限地）演示了每种连接样式的行为：

import matplotlib.pyplot as plt


def demo_con_style(ax, connectionstyle):
    x1, y1 = 0.3, 0.2
    x2, y2 = 0.8, 0.6

    ax.plot([x1, x2], [y1, y2], ".")
    ax.annotate("",
                xy=(x1, y1), xycoords='data',
                xytext=(x2, y2), textcoords='data',
                arrowprops=dict(arrowstyle="->", color="0.5",
                                shrinkA=5, shrinkB=5,
                                patchA=None, patchB=None,
                                connectionstyle=connectionstyle,
                                ),
                )

    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            transform=ax.transAxes, ha="left", va="top")


fig, axs = plt.subplots(3, 5, figsize=(8, 4.8))
demo_con_style(axs[0, 0], "angle3,angleA=90,angleB=0")
demo_con_style(axs[1, 0], "angle3,angleA=0,angleB=90")
demo_con_style(axs[0, 1], "arc3,rad=0.")
demo_con_style(axs[1, 1], "arc3,rad=0.3")
demo_con_style(axs[2, 1], "arc3,rad=-0.3")
demo_con_style(axs[0, 2], "angle,angleA=-90,angleB=180,rad=0")
demo_con_style(axs[1, 2], "angle,angleA=-90,angleB=180,rad=5")
demo_con_style(axs[2, 2], "angle,angleA=-90,angleB=10,rad=5")
demo_con_style(axs[0, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=0")
demo_con_style(axs[1, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=5")
demo_con_style(axs[2, 3], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
demo_con_style(axs[0, 4], "bar,fraction=0.3")
demo_con_style(axs[1, 4], "bar,fraction=-0.3")
demo_con_style(axs[2, 4], "bar,angle=180,fraction=-0.2")

for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)
fig.tight_layout(pad=0.2)

plt.show()

效果：

3deff3579164c088a9828420b7a8854c.png

根据给定的箭头样式，将连接路径（剪切和收缩后）转换为箭头patch。

8594450b1b100498ac34f5950a0b10f3.png

import matplotlib.patches as mpatches
import matplotlib.pyplot as plt

styles = mpatches.ArrowStyle.get_styles()

ncol = 2
nrow = (len(styles) + 1) // ncol
figheight = (nrow + 0.5)
fig = plt.figure(figsize=(4 * ncol / 1.5, figheight / 1.5))
fontsize = 0.2 * 70


ax = fig.add_axes([0, 0, 1, 1], frameon=False, aspect=1.)

ax.set_xlim(0, 4 * ncol)
ax.set_ylim(0, figheight)


def to_texstring(s):
    s = s.replace("<", r"$<$")
    s = s.replace(">", r"$>$")
    s = s.replace("|", r"$|$")
    return s


for i, (stylename, styleclass) in enumerate(sorted(styles.items())):
    x = 3.2 + (i // nrow) * 4
    y = (figheight - 0.7 - i % nrow)  # /figheight
    p = mpatches.Circle((x, y), 0.2)
    ax.add_patch(p)

    ax.annotate(to_texstring(stylename), (x, y),
                (x - 1.2, y),
                ha="right", va="center",
                size=fontsize,
                arrowprops=dict(arrowstyle=stylename,
                                patchB=p,
                                shrinkA=5,
                                shrinkB=5,
                                fc="k", ec="k",
                                connectionstyle="arc3,rad=-0.05",
                                ),
                bbox=dict(boxstyle="square", fc="w"))

ax.xaxis.set_visible(False)
ax.yaxis.set_visible(False)

plt.show()

效果：

3f4a0ff30af6677b247bd91257ba3285.png

某些箭头样式仅适用于生成二次样条线段的连接样式，如fancy，simple，和 wedge。

对于这些箭头样式，你必须使用“angle3”或“arc3”连接样式。

如果给出了注释字符串，则 patchA 默认设置为文本的 bbox patch。

import matplotlib.pyplot as plt


fig, ax = plt.subplots(figsize=(3, 3))

ax.annotate("Test",
            xy=(0.2, 0.2), xycoords='data',
            xytext=(0.8, 0.8), textcoords='data',
            size=20, va="center", ha="center",
            arrowprops=dict(arrowstyle="simple",
                            connectionstyle="arc3,rad=-0.2"),
            )

plt.show()

效果：

15a8923486130c363e1d7aafda9fe746.png

与 text 命令一样，可以使用 bbox 参数在文本周围绘制一个框。

import matplotlib.pyplot as plt


fig, ax = plt.subplots(figsize=(3, 3))

ann = ax.annotate("Test",
                  xy=(0.2, 0.2), xycoords='data',
                  xytext=(0.8, 0.8), textcoords='data',
                  size=20, va="center", ha="center",
                  bbox=dict(boxstyle="round4", fc="w"),
                  arrowprops=dict(arrowstyle="-|>",
                                  connectionstyle="arc3,rad=-0.2",
                                  fc="w"),
                  )

plt.show()

效果：

a43184021980aec28ef57ddcce708b51.png

默认情况下，起点设置为文本范围的中心。

这可以通过 relpos 键值对进行调整，其中值根据文本的范围进行规范化。

例如，(0, 0) 表示左下角，(1, 1) 表示右上角。

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(3, 3))

ann = ax.annotate("Test",
                  xy=(0.2, 0.2), xycoords='data',
                  xytext=(0.8, 0.8), textcoords='data',
                  size=20, va="center", ha="center",
                  bbox=dict(boxstyle="round4", fc="w"),
                  arrowprops=dict(arrowstyle="-|>",
                                  connectionstyle="arc3,rad=0.2",
                                  relpos=(0., 0.),
                                  fc="w"),
                  )

ann = ax.annotate("Test",
                  xy=(0.2, 0.2), xycoords='data',
                  xytext=(0.8, 0.8), textcoords='data',
                  size=20, va="center", ha="center",
                  bbox=dict(boxstyle="round4", fc="w"),
                  arrowprops=dict(arrowstyle="-|>",
                                  connectionstyle="arc3,rad=-0.2",
                                  relpos=(1., 0.),
                                  fc="w"),
                  )

plt.show()

效果：

4d12bb8cc1b418332feef66fc772357b.png

3、将Artist放置在Axes的锚定位置

可以将某些Artist类别放置在 Axes 中的锚定位置，一个常见的例子是图例，可以使用 OffsetBox 类来创建这种类型的Artist。

mpl_toolkits.axes_grid1.anchored_artists 中提供了一些预定义的类，其他的在matplotlib.offsetbox 中。

import matplotlib.pyplot as plt
from matplotlib.offsetbox import AnchoredText


fig, ax = plt.subplots(figsize=(3, 3))

at = AnchoredText("Figure 1a",
                  prop=dict(size=15), frameon=True, loc='upper left')
at.patch.set_boxstyle("round,pad=0.,rounding_size=0.2")
ax.add_artist(at)

plt.show()

效果：

2982f6dd97d1fac9fb1747f65bc41e5d.png

loc 关键字的含义与 legend 命令中的含义相同。

一个简单的应用是当artist（或artist集合）的大小在创建期间在创作期间已知像素大小。

例如，如果你想绘制一个固定大小为 20 像素 x 20 像素（半径 = 10 像素）的圆，可以使用 AnchoredDrawingArea。

该实例是使用绘图区域的大小（以像素为单位）创建的，并且可以将任意artist添加到绘图区域。

请注意，添加到绘图区域的artist的范围与绘图区域本身的位置无关。只有初始大小很重要。

from matplotlib.patches import Circle
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.anchored_artists import AnchoredDrawingArea

fig, ax = plt.subplots(figsize=(3, 3))

ada = AnchoredDrawingArea(40, 20, 0, 0,
                          loc='upper right', pad=0., frameon=False)
p1 = Circle((10, 10), 10)
ada.drawing_area.add_artist(p1)
p2 = Circle((30, 10), 5, fc="r")
ada.drawing_area.add_artist(p2)

ax.add_artist(ada)

plt.show()

效果：

208a86882d95a10c3ae8fd506403648b.png

有时，你希望你的artist可以根据数据坐标（或画布像素以外的坐标）进行缩放，你可以使用 AnchoredAuxTransformBox 类。

这与 AnchoredDrawingArea 类似，不同之处在于artist的范围是在绘制期间根据指定的转换确定的。

如椭圆在数据坐标中的宽度和高度分别为 0.1 和 0.4，并且会在axes的视图范围发生变化时自动缩放：

from matplotlib.patches import Ellipse
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.anchored_artists import AnchoredAuxTransformBox


fig, ax = plt.subplots(figsize=(3, 3))

box = AnchoredAuxTransformBox(ax.transData, loc='upper left')
el = Ellipse((0, 0), width=0.1, height=0.4, angle=30)  # in data coordinates!
box.drawing_area.add_artist(el)

ax.add_artist(box)

plt.show()

效果：

1e9355c254239817989333ed0521df56.png

使用 HPacker 和 VPacker，你可以在图例中布置artist(事实上，这就是图例创建的方式)。

from matplotlib.patches import Ellipse
import matplotlib.pyplot as plt
from matplotlib.offsetbox import (AnchoredOffsetbox, DrawingArea, HPacker,
                                  TextArea)


fig, ax = plt.subplots(figsize=(3, 3))

box1 = TextArea(" Test : ", textprops=dict(color="k"))

box2 = DrawingArea(60, 20, 0, 0)
el1 = Ellipse((10, 10), width=16, height=5, angle=30, fc="r")
el2 = Ellipse((30, 10), width=16, height=5, angle=170, fc="g")
el3 = Ellipse((50, 10), width=16, height=5, angle=230, fc="b")
box2.add_artist(el1)
box2.add_artist(el2)
box2.add_artist(el3)

box = HPacker(children=[box1, box2],
              align="center",
              pad=0, sep=5)

anchored_box = AnchoredOffsetbox(loc='lower left',
                                 child=box, pad=0.,
                                 frameon=True,
                                 bbox_to_anchor=(0., 1.02),
                                 bbox_transform=ax.transAxes,
                                 borderpad=0.,
                                 )

ax.add_artist(anchored_box)

fig.subplots_adjust(top=0.8)
plt.show()

效果：

543d078837b73edf7dae82bf6a395b11.png

请注意，与图例不同的是，bbox_transform 默认设置为 IdentityTransform。

4、使用带注释的复杂坐标

matplotlib 中的注释支持多种类型的坐标，如基本注释中所述。

对于想要更多控制的高级用户，它也支持一些其他选项。

1）转换实例

例如：

ax.annotate("Test", xy=(0.5, 0.5), xycoords=ax.transAxes)

等同于：

ax.annotate("Test", xy=(0.5, 0.5), xycoords="axes fraction")

有了这个，你可以在其他轴上注释一个点。

ax1, ax2 = subplot(121), subplot(122)
ax2.annotate("Test", xy=(0.5, 0.5), xycoords=ax1.transData,
             xytext=(0.5, 0.5), textcoords=ax2.transData,
             arrowprops=dict(arrowstyle="->"))

2）Artist实例

xy 值（或 xytext）被解释为artist的 bbox （get_window_extent 的返回值）的分数坐标。

ax1, ax2 = subplot(121), subplot(122)
ax2.annotate("Test", xy=(0.5, 0.5), xycoords=ax1.transData,
             xytext=(0.5, 0.5), textcoords=ax2.transData,
             arrowprops=dict(arrowstyle="->"))

效果：

bfb91baf5558f7718851f2c95419da62.png

请注意，坐标artist的范围(例子中an1)得在an2绘制之前确定。

3）返回 BboxBase 或 Transform 实例的可调用对象

如果返回一个Transform，则它与 1 相同，如果返回一个 bbox，则它与 2 相同。可调用对象应采用渲染器实例的单个参数。

例如，以下两个命令给出相同的结果：

an2 = ax.annotate("Test 2", xy=(1, 0.5), xycoords=an1,
                  xytext=(30, 0), textcoords="offset points")
an2 = ax.annotate("Test 2", xy=(1, 0.5), xycoords=an1.get_window_extent,
                  xytext=(30, 0), textcoords="offset points")

4）两个坐标规范的元组

第一项用于 x 坐标，第二项用于 y 坐标。如：

annotate("Test", xy=(0.5, 1), xycoords=("data", "axes fraction"))

0.5 在数据坐标中，1 在标准化轴坐标中。你可以像使用元组一样使用artist或transform。

例如：

import matplotlib.pyplot as plt


fig, ax = plt.subplots(figsize=(3, 2))
an1 = ax.annotate("Test 1", xy=(0.5, 0.5), xycoords="data",
                  va="center", ha="center",
                  bbox=dict(boxstyle="round", fc="w"))

an2 = ax.annotate("Test 2", xy=(0.5, 1.), xycoords=an1,
                  xytext=(0.5, 1.1), textcoords=(an1, "axes fraction"),
                  va="bottom", ha="center",
                  bbox=dict(boxstyle="round", fc="w"),
                  arrowprops=dict(arrowstyle="->"))

fig.subplots_adjust(top=0.83)
plt.show()

效果：

dd413f018df81fd2b4370553517706ba.png

5）有时，你希望注释带有一些“偏移点”，但不是从注释点，而是从其他点。

OffsetFrom 是这种情况的一个辅助类。

import matplotlib.pyplot as plt
from matplotlib.text import OffsetFrom


fig, ax = plt.subplots(figsize=(3, 2))
an1 = ax.annotate("Test 1", xy=(0.5, 0.5), xycoords="data",
                  va="center", ha="center",
                  bbox=dict(boxstyle="round", fc="w"))

offset_from = OffsetFrom(an1, (0.5, 0))
an2 = ax.annotate("Test 2", xy=(0.1, 0.1), xycoords="data",
                  xytext=(0, -10), textcoords=offset_from,
                  # xytext是“xy=(0.5,0), xycoords=an1”的偏移点
                  va="top", ha="center",
                  bbox=dict(boxstyle="round", fc="w"),
                  arrowprops=dict(arrowstyle="->"))
plt.show()

效果：

94cca1ec1f2e6a56a02886aab4cf47a6.png

5、使用ConnectionPatch

ConnectionPatch 就像一个没有文本的注释，当你想要连接不同axes上的点时很有用。

示例：

from matplotlib.patches import ConnectionPatch
import matplotlib.pyplot as plt

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(6, 3))

# 在一个axes内的两个轴坐标点之间画一个简单的箭头。
xyA = (0.2, 0.2)
xyB = (0.8, 0.8)
coordsA = "data"
coordsB = "data"
con = ConnectionPatch(xyA, xyB, coordsA, coordsB,
                      arrowstyle="-|>", shrinkA=5, shrinkB=5,
                      mutation_scale=20, fc="w")
ax1.plot([xyA[0], xyB[0]], [xyA[1], xyB[1]], "o")
ax1.add_artist(con)

# 在不同的 axes上的同一点之间绘制箭头
xy = (0.3, 0.2)
con = ConnectionPatch(
    xyA=xy, coordsA=ax2.transData,
    xyB=xy, coordsB=ax1.transData,
    arrowstyle="->", shrinkB=5)
ax2.add_artist(con)

# 在不同坐标系中定义的不同点之间画一条线。
con = ConnectionPatch(
    # 在 axes 坐标
    xyA=(0.6, 1.0), coordsA=ax2.transAxes,
    # X表示axes坐标，y表示数据坐标
    xyB=(0.0, 0.2), coordsB=ax2.get_yaxis_transform(),
    arrowstyle="-")
ax2.add_artist(con)

ax1.set_xlim(0, 1)
ax1.set_ylim(0, 1)
ax2.set_xlim(0, .5)
ax2.set_ylim(0, .5)

plt.show()

效果：

4ec1ae84beaabb831584d8d648e59a63.png

虽然 ConnectionPatch 实例可以添加到任何axes， 但最好将其添加到最新的轴，以防止与其他轴重叠。

3、高级应用

1、轴之间的缩放效果

mpl_toolkits.axes_grid1.inset_locator 定义了一些用于互连两个axes的 patch类。

破解代码需要一些关于mpl转换如何工作的知识。但是，利用它是直接的。

from matplotlib.transforms import (
    Bbox, TransformedBbox, blended_transform_factory)
from mpl_toolkits.axes_grid1.inset_locator import (
    BboxPatch, BboxConnector, BboxConnectorPatch)


def connect_bbox(bbox1, bbox2,
                 loc1a, loc2a, loc1b, loc2b,
                 prop_lines, prop_patches=None):
    if prop_patches is None:
        prop_patches = {
            **prop_lines,
            "alpha": prop_lines.get("alpha", 1) * 0.2,
        }

    c1 = BboxConnector(bbox1, bbox2, loc1=loc1a, loc2=loc2a, **prop_lines)
    c1.set_clip_on(False)
    c2 = BboxConnector(bbox1, bbox2, loc1=loc1b, loc2=loc2b, **prop_lines)
    c2.set_clip_on(False)

    bbox_patch1 = BboxPatch(bbox1, **prop_patches)
    bbox_patch2 = BboxPatch(bbox2, **prop_patches)

    p = BboxConnectorPatch(bbox1, bbox2,
                           # loc1a=3, loc2a=2, loc1b=4, loc2b=1,
                           loc1a=loc1a, loc2a=loc2a, loc1b=loc1b, loc2b=loc2b,
                           **prop_patches)
    p.set_clip_on(False)

    return c1, c2, bbox_patch1, bbox_patch2, p


def zoom_effect01(ax1, ax2, xmin, xmax, **kwargs):
    """
    Connect *ax1* and *ax2*. The *xmin*-to-*xmax* range in both axes will
    be marked.

    Parameters
    ----------
    ax1
        The main axes.
    ax2
        The zoomed axes.
    xmin, xmax
        The limits of the colored area in both plot axes.
    **kwargs
        Arguments passed to the patch constructor.
    """

    trans1 = blended_transform_factory(ax1.transData, ax1.transAxes)
    trans2 = blended_transform_factory(ax2.transData, ax2.transAxes)

    bbox = Bbox.from_extents(xmin, 0, xmax, 1)

    mybbox1 = TransformedBbox(bbox, trans1)
    mybbox2 = TransformedBbox(bbox, trans2)

    prop_patches = {**kwargs, "ec": "none", "alpha": 0.2}

    c1, c2, bbox_patch1, bbox_patch2, p = connect_bbox(
        mybbox1, mybbox2,
        loc1a=3, loc2a=2, loc1b=4, loc2b=1,
        prop_lines=kwargs, prop_patches=prop_patches)

    ax1.add_patch(bbox_patch1)
    ax2.add_patch(bbox_patch2)
    ax2.add_patch(c1)
    ax2.add_patch(c2)
    ax2.add_patch(p)

    return c1, c2, bbox_patch1, bbox_patch2, p


def zoom_effect02(ax1, ax2, **kwargs):
    """
    ax1 : the main axes
    ax1 : the zoomed axes

    Similar to zoom_effect01.  The xmin & xmax will be taken from the
    ax1.viewLim.
    """

    tt = ax1.transScale + (ax1.transLimits + ax2.transAxes)
    trans = blended_transform_factory(ax2.transData, tt)

    mybbox1 = ax1.bbox
    mybbox2 = TransformedBbox(ax1.viewLim, trans)

    prop_patches = {**kwargs, "ec": "none", "alpha": 0.2}

    c1, c2, bbox_patch1, bbox_patch2, p = connect_bbox(
        mybbox1, mybbox2,
        loc1a=3, loc2a=2, loc1b=4, loc2b=1,
        prop_lines=kwargs, prop_patches=prop_patches)

    ax1.add_patch(bbox_patch1)
    ax2.add_patch(bbox_patch2)
    ax2.add_patch(c1)
    ax2.add_patch(c2)
    ax2.add_patch(p)

    return c1, c2, bbox_patch1, bbox_patch2, p


import matplotlib.pyplot as plt

plt.figure(figsize=(5, 5))
ax1 = plt.subplot(221)
ax2 = plt.subplot(212)
ax2.set_xlim(0, 1)
ax2.set_xlim(0, 5)
zoom_effect01(ax1, ax2, 0.2, 0.8)


ax1 = plt.subplot(222)
ax1.set_xlim(2, 3)
ax2.set_xlim(0, 5)
zoom_effect02(ax1, ax2)

plt.show()

效果：

fceb20005734ca4adb2a97a823102d4a.png

2、自定义 BoxStyle

示例：

from matplotlib.path import Path
import matplotlib.pyplot as plt

def custom_box_style(x0, y0, width, height, mutation_size, mutation_aspect=1):
    """
    给定box的位置和大小，返回box周围的路径。

     - *x0*, *y0*, *width*, *height* : box的位置和大小
     - *mutation_size* : 转变的的参考尺度
     - *aspect_ratio* : 转变的纵横比
    """

    # 注意，我们忽略了mutation_aspect。一般来说，这是可以的

    # 填充距
    mypad = 0.3
    pad = mutation_size * mypad

    # 给宽度和高度加上填充距
    width = width + 2 * pad
    height = height + 2 * pad

    # 填充框的边界
    x0, y0 = x0 - pad, y0 - pad
    x1, y1 = x0 + width, y0 + height

    cp = [(x0, y0),
          (x1, y0), (x1, y1), (x0, y1),
          (x0-pad, (y0+y1)/2.), (x0, y0),
          (x0, y0)]

    com = [Path.MOVETO,
           Path.LINETO, Path.LINETO, Path.LINETO,
           Path.LINETO, Path.LINETO,
           Path.CLOSEPOLY]

    path = Path(cp, com)
    return path

fig, ax = plt.subplots(figsize=(3, 3))
ax.text(0.5, 0.5, "Test", size=30, va="center", ha="center",
        bbox=dict(boxstyle=custom_box_style, alpha=0.2))

plt.show()

效果：

5c7e20a5640b2b028f591dc86dc04264.png

04

数学表达式

你可以在任何 matplotlib 文本字符串中使用子集 TeX 标记，方法是将其放在一对美元符号 ($) 中。

注意，不需要额外安装TeX，因为Matplotlib自带了TeX表达式解析器、布局引擎和字体。

数学表达式：在引号前加一个 'r'，引号里是用美元符号 ($) 括起来的数学文本。

常规文本和数学文本可以在同一个字符串中交叉。

数学文本可以使用 DejaVu Sans（默认）、DejaVu Serif、Computer Modern 字体、STIX 字体或你自己提供的 Unicode 字体。

也可以使用自定义变量 mathtext.fontset 选择 mathtext 字体。

一个简单的例子：

# 纯文本
plt.title('alpha > beta') # >>>  "alpha > beta"

# 数学文本
plt.title(r'$\alpha > \beta$') # >>>  "α>β"

1、下标和上标

要制作下标和上标，请使用 '_' 和 '^' 符号：

r'$\alpha_i > \beta_i$'

结果：

de90b51245bbfa216024613b9d3b867b.png

要正确显示多字母下标或上标，应将它们放在花括号 {...} 中：

r'$\alpha^{ic} > \beta_{ic}$'

结果：

7dfecbc33b91a6d4c6f0bc4ff814a8b8.png

一些符号会自动将它们的下标/上标放在运算符的下方和上方。

例如要写入x_i 从 0 到 ∞ 的总和，你可以这样做：

r'$\sum_{i=0}^\infty x_i$'

结果：

c20dfd9e61777c7664cf6d0182e8cf91.png

2、分数、二项式和堆积数

分数、二项式和堆积数可以分别用 \frac{}{}、\binom{}{} 和 \stackrel{}{}{}{}{}{} 命令创建：

r'$\frac{3}{4} \binom{3}{4} \stackrel{}{}{0}{}{3}{4}$'

结果：

361bc6a285cc660c60ba02b61301bde7.png

分数可以任意嵌套：

r'$\frac{5 - \frac{1}{x}}{4}$'

结果：

85d5a3d7a54769f1474adf88c23f6ddc.png

需要特别注意在分数周围放置的括号，这样产生的括号太小：

r'$(\frac{5 - \frac{1}{x}}{4})$'

04dc4bb259e85ff0b46f0135ad2d0401.png

解决方案是在括号前面加上 \left 和 \right 以通知解析器这些括号包含整个对象：

r'$\left(\frac{5 - \frac{1}{x}}{4}\right)$'

dd24ce36de8b291527b7c31396247daf.png

3、根号

根号可以用 \sqrt[]{} 命令产生。例如：

r'$\sqrt{2}$'

结果：

2bc29dedc6e09fd362a49cd65d12cf9f.png

可以在方括号内提供开放数(可选地)。注意开放数必须是一个简单的表达式，不能包含像分数或下标/上标这样的布局命令:

r'$\sqrt[3]{x}$'

结果：

7f1832b31db7fe7cf2902d8683f45cb5.png

4、字体

数学符号的默认字体是斜体。注意：可以使用 mathtext.default参数更改此默认值。

要更改字体，例如，用罗马字体写“sin”，请将文本包含在字体命令中：

r'$s(t) = \mathcal{A}\mathrm{sin}(2 \omega t)$'

结果：

e8af1235a5c8333682786aadcf62e61e.png

更方便的是，很多常用的以罗马字体排版的函数名都有快捷键。

所以上面的表达式可以写成：

rr'$s(t) = \mathcal{A}\sin(2 \omega t)$'

结果：

63d7cb150e9b94a189c618957b2fa974.png

这里“s”和“t”是斜体（默认），“sin”是罗马字体，幅度“A”是书法字体。

请注意，在上面的示例中，书法 A 被挤进了sin中。

你可以使用间距命令在它们之间添加一点空格：

r'$s(t) = \mathcal{A}\space\sin(2 \omega t)$'

结果：

3dcb414070e803bddb7ac08959a6ef99.png

所有字体的可用选项包括：

a97d1bd5be86605efafeda7acbb4f1c0.png

使用 STIX 字体时，可以选择：

61cb803d4fcde682125fcfd0488e77ce.png

还有三个全局“字体集”可供选择，它们是使用 matplotlibrc 中的 mathtext.fontset 参数选择的。

1）cm：Computer Modern (TeX)

aa1a8c5f6c6f6763ebcfaa900b221284.png

2）stix: STIX

602937ddf2eff4ecbc302f436802f091.png

3）stixsans: STIX无衬线字体

c76dc05766e13e8c27181627f773c14b.png

此外，你还可以使用 \mathdefault{...} 或其别名 \mathregular{...} 来使用用于 mathtext 之外的常规文本的字体。

但这种方法有许多限制，最明显的是可用的符号要少得多，但这能使数学表达式与图中的其他文本很好地融合。

1）自定义字体

mathtext 还提供了一种使用自定义字体进行数学运算的方法。

这种方法使用起来相当棘手，是个仅供用户使用的实验性功能。

具体方法是将参数 mathtext.fontset 设置为自定义，你可以设置以下参数（这些参数控制用于特定数学字符集的字体文件）：

c6d70a82d8c900c42efd917be710236e.png

每个参数都应该设置为一个 fontconfig 字体描述符。

使用的字体应具有 Unicode 映射，以便找到任何非拉丁字符，如希腊语。

如果要使用自定义字体中不包含的数学符号，可以将 参数mathtext.fallback_to_cm 设置为 True。

但是这将导致 mathtext 系统在自定义字体中找不到特定字符时使用默认Computer Modern字体中的字符。

请注意，在Unicode中指定的数学符号随着时间的推移而演变，许多字体可能没有将符号放在数学文本的正确位置。

5、重音

重音命令可以在任何符号之前添加重音，重音有长重音、短重音。

1c9260363e6126419d4ca83d99b56de1.png

此外，还有两种特殊的重音，可以自动调整符号的宽度:

56f72d7e17de4076198e088d48e9ce2a.png

在小写 i 和 j 上添加重音时应小心。注意， \imath 是用于去掉 i 上的点：

r"$\hat i\ \ \hat \imath$"

结果：

d160f1c06c277286c78f7465f8171fb1.png

6、符号

你可以使用大量的 TeX 符号，如 \infty、\leftarrow、\sum、\int。

1、小写希腊语

95f4a0dc1a1e7763252c8f64d9a01478.png

2、大写希腊语

55c18f0d4f8f2ce3de100071d3332e34.png

3、希伯来语

7143eeb07ab04a4931e71e96df21d5a0.png

4、分隔符

d7c3cd9eba643f4affddbe033a73dc8f.png

5、加大符号

edd6a07ea835216b6f30d528193a3d08.png

6、标准函数名称

c0afd154d5961b51e1c3561100a3ebc4.png

7、二元运算和关系符号

9fd58bdf7e7f8f43df8f4f203117f9ca.png

8、箭头符号

d947087e06947a74ba4452b7367b9a7d.png

9、其它符号

0641b29d3a45ece2c9b103acf53c151d.png

如果某个特定符号没有名称，可以使用Unicode字符:

r'$\u23ce$'

7、示例

import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)

plt.plot(t, s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',
         fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
plt.show()

效果：

92983af90db438c92ab13b410e2dca93.png

好啦，今天的内容就到这~

2e853af9b3322af26874cb06c2df4f39.png

END

0abe3dbe553c247440cd6a6d21b5820e.gif

您的“点赞”、“在看”和 “分享”是我们产出的动力。

是山月呀
关注
  • 5
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python显示文字框_Python可视化31|matplotlib-图添加文本(text)及注释(annotate)
weixin_39733948的博客
11-25 1673
本文详细介绍如何给一张图添加注释文字、指引箭头。本文速览不同axes之间注释箭头连接文本image之前介绍的venn图中个性化添加注释文本框image目录1、添加文本(matplotlib.pyplot.text)文本基本参数设置给文本加上背景框背景文本框形状2、添加注释(matplotlib.pyplot.annotate)基本参数设置修改箭头形状箭头弯曲跨子图注释1、添加文本(matplotl...
matplotlib —— 添加文本信息（text）
热门推荐
10-26 3万+
matplotlib.pyplot.text(x, y, s, fontdict=None, withdash=False, **kwargs)x, y：表示坐标； s：字符串文本； fontdict：字典，可选； kw： fontsize=12, horizontalalignment=‘center’、ha=’cener’ verticalalignment=’center’、va=’cen
python-matplotlib给图像添加文本标签与注释，被阿里面试官征服了该怎么办
最新发布
m0_60749700的博客
04-17 913
先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。 既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！由于文件比较多，这里只是将部分目录截图出来，全套
Matplotlib绘制文本
ccc369639963的博客
03-07 940
Matplotlib绘制文本 Matplotlib 支持广泛的文本格式，比如 TTF 页面语言、Unicode 字符等。这是因为 Matplotlib 内置了 matplotlib.font_manager 字体管理器，它是一个实现了跨平台，并符合 W3C 字体查找算法的字体集合。 TTF（TrueType Font） 是苹果公司和微软公司合作开发的页面描述语言，用来描述字符的轮廓，结合了光栅技术和矢量技术的优点。 用户可以对文本属性进行控制，比如字体大小、粗细、位置和颜色等。 与此同时，Matplotli
数据可视化笔记 Task4 - Matplotlib文本
xyc_undermoon的博客
01-21 719
数据可视化笔记 Task4 - Matplotlib文本
matplotlib图形中添加文本
Kwoky的博客
05-02 7210
matplotlib图形中添加文本 plt.text(x, y, s, fontsize= 15,\ verticalalignment="top", horizontalalignment="right" family = "fantasy",color= "r", style = "italic", weight = "light",\ bbox = dict(facecolor = "r", alpha = 0.2)) ...
来源：教程Wiki
02-05
标题 "来源：教程Wiki" 暗示了这是一个关于学习资源和教程的集合，很可能包含了计算机科学、编程和文档编写等多个领域的知识。描述中的“互联网协作教程”则提示我们这可能是一个强调在线合作和共享知识的平台，比如...
简明Python教程_python教程_
10-03
本教程《简明Python教程》将详细讲解这些概念，无论你是完全的新手还是有一定编程经验的学习者，都能从中受益。PDF文档包含了丰富的实例和练习，帮助你更好地理解和掌握Python编程。通过实践和不断的探索，你将能够...
Matplotlib_Overview(纯英版PDF)及tutorials代码
04-01
1. **基本概念**：讲解Matplotlib的基本架构，如pyplot接口、object-oriented API，以及如何创建基本的线图、散点图和条形图。 2. **绘图元素**：涵盖线条、标记、颜色、轴、图例、文本等元素的设置和调整。 3. **...
python教程,python教程视频,Python
09-10
"python教程"、"python视频"和"python教程"这三个标签突出了教程的核心内容——Python的学习资源，包括文本教程和视频教程。这些标签可以帮助学习者快速找到适合自己的学习路径，无论是喜欢阅读文档还是更倾向于通过...
详细的python教程.zip
07-27
教程可能会讲解如何定义、调用函数，以及参数的传递方式，包括位置参数、关键字参数和默认参数。此外，Python的高阶函数，如map、filter和reduce，以及闭包和装饰器的概念也可能被涉及。 模块和包是Python代码组织...
Matplotlib入门[03]——处理文本
weixin_47692652的博客
12-06 304
Matplotlib入门[03]——处理文本
python-matplotlib给图像添加文本标签与注释(1)
2401_83946570的博客
04-07 932
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
python数据可视化——matplotlib（文字版）
xxyrainy的博客
03-21 310
1.检查版本 import matplotlib import numpy import pandas print("matplotlib",matplotlib.__version__) print("numpy",numpy.__version__) print("pandas",pandas.__version__) 2.简单绘图，线图 绘图过程如下： 代码实现： import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = .
[Python3] Matplotlib —— (十) 文字与注释
進撃の算法
05-19 775
文章目录十一、文字与注释（一）在图中添加文字标签（二）坐标变换与文字位置（三）箭头与注释 [ Matplotlib version: 3.2.1 ] 十一、文字与注释 一些场景中，可视化需要辅之以少量文字提示（textual cue）和标签。 （一）在图中添加文字标签 最基本的注释（annotation）类型有坐标轴标题与图标题，此外，可以通过plt.text/ax.text命令手动添加注释，它们可以在具体的x/y坐标点上放上文字 ax.text方法需要一个x轴坐标、一个y轴坐标、一个字符串和一些可选
Python matplotlib format
02-21 618
    The following format string characters are accepted to control     the line style or marker:          ================    ===============================     character       ...
数据可视化库 matplotlib 入门 8——绘制文本与数学表达式、图形处理
看流星划过天外的博客
01-15 464
本篇为 Matplotlib 最后一篇，介绍 Matplotlib 绘制文本、数学表达式以及处理图像的方法。
matplotlib 入门教程
cl2010abc的专栏
02-27 955
Matplotlib是一个Python 2D绘图库，它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。Matplotlib试图让简单的事情变得更简单，让无法实现的事情变得可能实现。只需几行代码即可生成绘图，直方图，功率谱，条形图，错误图，散点图等。
Matplotlib 可视化之注释与文本高级应用
AI科技大本营
05-19 284
作者 |云朵君来源丨数据STUDIO装饰物指定所有你可以添加到一个画布的额外元素，这样可以看美化它或使它表达更清晰。装饰物包括一些标准元素，如图例、注释、颜色条、文本等，但你也可以专门为你的画布设计自己的元素。今天和大家一起学习标准元素(注释和文本)以及特定元素(使用垂直标记在x轴上报告的根)的混合。定义贝塞尔函数：402 Payment Required可以使用sci...
matplotlib学习笔记PDF超详细
10-19
本篇文档是关于matplotlib的学习笔记，一...这篇matplotlib学习笔记PDF提供了丰富的实践指导，无论是初学者还是进阶用户，都能从中找到有价值的内容，帮助他们更好地掌握matplotlib的使用技巧，提升数据可视化的能力。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值