8.12 文本和注解

原文：Text and Annotation

译者：飞龙

协议：CC BY-NC-SA 4.0

本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。

创建良好的可视化涉及引导读者并使图形讲述故事。在某些情况下，可以以完全可视的方式讲述这个故事，而不需要添加文本，但在其他情况下，需要小的文本提示和标签。也许你将使用的最基本的注释类型是轴标签和标题，但选项超出了这个范围。让我们看看一些数据，以及我们如何可视化和注释它，来有助于传达有趣的信息。我们首先设置笔记本来绘图并导入我们将使用的函数：

%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib as mpl
plt.style.use('seaborn-whitegrid')
import numpy as np
import pandas as pd

示例：美国新生儿的假期效应

让我们回到之前处理的一些数据，在“示例：出生率数据”中，我们在日历年上生成了平均出生率的图表；如前所述，这些数据可以在 https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv 下载。

我们将使用我们在那里使用的相同清理过程开始，并绘制结果：

births = pd.read_csv('data/births.csv')quartiles = np.percentile(births['births'], [25, 50, 75])
mu, sig = quartiles[1], 0.74 * (quartiles[2] - quartiles[0])
births = births.query('(births > @mu - 5 * @sig) & (births < @mu + 5 * @sig)')births['day'] = births['day'].astype(int)births.index = pd.to_datetime(10000 * births.year +100 * births.month +births.day, format='%Y%m%d')
births_by_date = births.pivot_table('births',[births.index.month, births.index.day])
births_by_date.index = [pd.datetime(2012, month, day)for (month, day) in births_by_date.index]fig, ax = plt.subplots(figsize=(12, 4))
births_by_date.plot(ax=ax);

When we’re communicating data like this, it is often useful to annotate certain features of the plot to draw the reader’s attention.
This can be done manually with the plt.text/ax.text command, which will place text at a particular x/y value:

fig, ax = plt.subplots(figsize=(12, 4))
births_by_date.plot(ax=ax)# 向绘图添加标签
style = dict(size=10, color='gray')ax.text('2012-1-1', 3950, "New Year's Day", **style)
ax.text('2012-7-4', 4250, "Independence Day", ha='center', **style)
ax.text('2012-9-4', 4850, "Labor Day", ha='center', **style)
ax.text('2012-10-31', 4600, "Halloween", ha='right', **style)
ax.text('2012-11-25', 4450, "Thanksgiving", ha='center', **style)
ax.text('2012-12-25', 3850, "Christmas ", ha='right', **style)# 标记轴域
ax.set(title='USA births by day of year (1969-1988)',ylabel='average daily births')# 使用中心化的月标签将 x 轴格式化
ax.xaxis.set_major_locator(mpl.dates.MonthLocator())
ax.xaxis.set_minor_locator(mpl.dates.MonthLocator(bymonthday=15))
ax.xaxis.set_major_formatter(plt.NullFormatter())
ax.xaxis.set_minor_formatter(mpl.dates.DateFormatter('%h'));

ax.text方法接受x位置，y位置，字符串，然后是可选关键字，指定文本的颜色，大小，样式，对齐方式和其他属性。在这里，我们使用ha='right'和ha='center'，其中ha是 horizonal alignment 的缩写。可用选项的更多信息，请参阅plt.text()和mpl.text.Text()的文档字符串。

变换和文本位置

在前面的示例中，我们将文本注释锚定到数据位置。有时最好将文本锚定到轴或图上的位置，与数据无关。在 Matplotlib 中，这是通过修改变换来完成的。

任何图形显示框架都需要一些在坐标系之间进行转换的方案。例如，(x, y) = (1, 1)处的数据点，需要以某种方式表示在图上的某个位置，而该位置又需要在屏幕上以像素表示。在数学上，这种坐标转换相对简单，Matplotlib 有一套完善的工具，它们在内部使用来执行（这些工具可以在matplotlib.transforms子模块中进行探索）。

普通用户很少需要关心这些变换的细节，但在考虑在图形上放置文本时，它是有用的知识。在这种情况下，有三种预定义的转换可能很有用：

ax.transData：数据坐标相关的变换
ax.transAxes：轴域（以轴域维度为单位）相关的变换
fig.transFigure：图形（以图形维度为单位）相关的变换

这里让我们看一下，使用这些变换在不同位置绘制文本的示例：

fig, ax = plt.subplots(facecolor='lightgray')
ax.axis([0, 10, 0, 10])# transform=ax.transData 是默认值，但是我们无论如何也要指定它
ax.text(1, 5, ". Data: (1, 5)", transform=ax.transData)
ax.text(0.5, 0.1, ". Axes: (0.5, 0.1)", transform=ax.transAxes)
ax.text(0.2, 0.2, ". Figure: (0.2, 0.2)", transform=fig.transFigure);

请注意，默认情况下，文本在指定坐标的上方和左侧对齐：这里，在每个字符串的开头的'.'将近似标记给定的坐标位置。

transData坐标给出了关联x轴和y轴标签的常用数据坐标。transAxes坐标给出了相对于轴域左下角（这里是白框）的位置，作为轴域大小的比例。transFigure坐标是相似的，但是指定相对于图左下角（这里是灰框）的位置，作为图形大小的比例。

现在请注意，如果我们更改轴限制，那么只有transData坐标会受到影响，而其他坐标则保持不变：

ax.set_xlim(0, 2)
ax.set_ylim(-6, 6)
fig

通过交互式更改轴限制可以更清楚地看到这种行为：如果你在笔记本中执行此代码，你可以通过将%matplotlib inline更改为%matplotlib notebook，并使用每个绘图的菜单与它互动来实现它。

箭头和标注

除了刻度线和文本，另一个有用的标注或标记是简单的箭头。

在 Matplotlib 中绘制箭头通常比砍价要困难得多。虽然plt.arrow()函数是可用的，我不建议使用它：它创建的箭头是 SVG 对象，它们会受到不同长宽比的影响，结果很少是用户所期望的。相反，我建议使用plt.annotate()函数。此函数可创建一些文本和箭头，并且箭头可以非常灵活地指定。

在这里，我们将使用annotate及其几个选项：

%matplotlib inlinefig, ax = plt.subplots()x = np.linspace(0, 20, 1000)
ax.plot(x, np.cos(x))
ax.axis('equal')ax.annotate('local maximum', xy=(6.28, 1), xytext=(10, 4),arrowprops=dict(facecolor='black', shrink=0.05))ax.annotate('local minimum', xy=(5 * np.pi, -1), xytext=(2, -6),arrowprops=dict(arrowstyle="->",connectionstyle="angle3,angleA=0,angleB=-90"));

箭头样式通过arrowprops字典控制，该字典有许多选项。这些选项在 Matplotlib 的在线文档中有相当详细的记录，因此，比起在此复述这些选项，快速展示一些选项可能更有用。让我们使用之前的出生率图表演示几种可用选项：

fig, ax = plt.subplots(figsize=(12, 4))
births_by_date.plot(ax=ax)# 向绘图添加标签
ax.annotate("New Year's Day", xy=('2012-1-1', 4100),  xycoords='data',xytext=(50, -30), textcoords='offset points',arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=-0.2"))ax.annotate("Independence Day", xy=('2012-7-4', 4250),  xycoords='data',bbox=dict(boxstyle="round", fc="none", ec="gray"),xytext=(10, -40), textcoords='offset points', ha='center',arrowprops=dict(arrowstyle="->"))ax.annotate('Labor Day', xy=('2012-9-4', 4850), xycoords='data', ha='center',xytext=(0, -20), textcoords='offset points')
ax.annotate('', xy=('2012-9-1', 4850), xytext=('2012-9-7', 4850),xycoords='data', textcoords='data',arrowprops={'arrowstyle': '|-|,widthA=0.2,widthB=0.2', })ax.annotate('Halloween', xy=('2012-10-31', 4600),  xycoords='data',xytext=(-80, -40), textcoords='offset points',arrowprops=dict(arrowstyle="fancy",fc="0.6", ec="none",connectionstyle="angle3,angleA=0,angleB=-90"))ax.annotate('Thanksgiving', xy=('2012-11-25', 4500),  xycoords='data',xytext=(-120, -60), textcoords='offset points',bbox=dict(boxstyle="round4,pad=.5", fc="0.9"),arrowprops=dict(arrowstyle="->",connectionstyle="angle,angleA=0,angleB=80,rad=20"))ax.annotate('Christmas', xy=('2012-12-25', 3850),  xycoords='data',xytext=(-30, 0), textcoords='offset points',size=13, ha='right', va="center",bbox=dict(boxstyle="round", alpha=0.1),arrowprops=dict(arrowstyle="wedge,tail_width=0.5", alpha=0.1));# 标记轴域
ax.set(title='USA births by day of year (1969-1988)',ylabel='average daily births')# 使用中心化的月标签将 x 轴格式化
ax.xaxis.set_major_locator(mpl.dates.MonthLocator())
ax.xaxis.set_minor_locator(mpl.dates.MonthLocator(bymonthday=15))
ax.xaxis.set_major_formatter(plt.NullFormatter())
ax.xaxis.set_minor_formatter(mpl.dates.DateFormatter('%h'));ax.set_ylim(3600, 5400);

你会注意到箭头和文本框的规格非常详细：这使你能够创建几乎任何箭头样式。不幸的是，这也意味着这些功能通常必须手动调整，这个过程在制作出版品质的图形时非常耗时！最后我要提醒你，前面的样式混合绝不是展示数据的最佳实践，而是作为一些可用选项的演示。

可用箭头和注释样式的更多讨论和示例，可以在 Matplotlib 库中找到，特别是标注的演示。

数据科学 IPython 笔记本 8.12 文本和注解相关推荐

数据科学 IPython 笔记本 7.12 透视表
7.12 透视表原文:Pivot Tables 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Science Handb ...
数据科学 IPython 笔记本翻译完成
原文:donnemartin/data-science-ipython-notebooks 译者:飞龙协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以 ...
数据科学 IPython 笔记本 8.9 自定义图例
8.9 自定义图例原文:Customizing Plot Legends 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data ...
数据科学 IPython 笔记本 8.4 简单的折线图
8.4 简单的折线图原文:Simple Line Plots 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Scienc ...
数据科学 IPython 笔记本 8.10 自定义颜色条
8.10 自定义颜色条原文:Customizing Colorbars 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data S ...
数据科学 IPython 笔记本 8.7 密度和等高线图
8.7 密度和等高线图原文:Density and Contour Plots 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Da ...
数据科学 IPython 笔记本 8.3 Matplotlib 可视化
8.3 Matplotlib 可视化原文:Visualization with Matplotlib 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册> ...
数据科学 IPython 笔记本 7.14 处理时间序列
7.14 处理时间序列原文:Working with Time Series 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Dat ...
数据科学 IPython 笔记本 7.13 向量化字符串操作
7.13 向量化字符串操作原文:Vectorized String Operations 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Pyth ...

数据科学 IPython 笔记本 8.12 文本和注解

8.12 文本和注解

示例：美国新生儿的假期效应

变换和文本位置

箭头和标注

数据科学 IPython 笔记本 8.12 文本和注解相关推荐

最新文章

热门文章

数据科学 IPython 笔记本 8.12 文本和注解

8.12 文本和注解

示例： 美国新生儿的假期效应

变换和文本位置

箭头和标注

数据科学 IPython 笔记本 8.12 文本和注解相关推荐

最新文章

热门文章

示例：美国新生儿的假期效应