前言

前面文章：让你的图表重点更突出！可视化技巧—标记增强(附Python代码)介绍了基础入门操作

本篇接着上文继续分享图表标记增强方面的技巧。

做过图表的人都知道，做图表不难，最难是调整图表的样式，因为细节的东西实在太多了~

像颜色、线条形状、大小、粗细、字体、标签、遮罩区域等等，你要想做出一个完美的图表，就必须调整很多东西，来满足你想表达的观点和洞察。

在这些可以调整的图表组件中，有一种组件对于突出图表重点、表达观点非常有效。

它就是图表标记，本篇将重点总结标记的常见形式和使用方法。

OK，废话不多说直接开始吧！

标记的标签提示

此方法是在图表中直接添加文字或者标签提示，效果醒目！

# 散点示意图:plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')# 添加文本标签提示plt.annotate('文本提示',          # 设置标签内容             xy=(1000, 2000),    # 设置标签提示的数据坐标             xytext=(500, 4000), # 设置标签提示的文本坐标             arrowprops=dict(facecolor='black', shrink=0.02) # 设置指示箭头颜色和箭头长短            )sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的遮罩区域

此方法是利用具有颜色属性的遮罩区域来突出重点关注的部分，提示非常简洁清晰！

import matplotlib.patches as patches# 散点示意图:plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')plt.gca().add_patch(patches.Rectangle((1000, 2000), # 遮罩的定位坐标(x,y)                                      1000, # 遮罩的长度设置                                      2000, # 遮罩的高度设置                                       alpha=0.3,         # 遮罩透明度                                      facecolor="red",   # 遮罩颜色                                      edgecolor="white", # 遮罩边框颜色                                      linewidth=3,       # 遮罩边框宽度                                      linestyle='solid'  # 遮罩边框类型                                     ))sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的圆形区域

此方法是画出突出关注的区域，与上面的方法类似。

import matplotlib.patches as patches# 散点示意图:plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')plt.gca().add_patch(patches.Circle((1000, 2000), # 圆形的中心定位坐标(x,y)                                      1000, # 圆形的半径设置                                      alpha=0.3,         # 圆形透明度                                      facecolor="green",   # 遮罩颜色                                      edgecolor="white", # 遮罩边框颜色                                      linewidth=3,       # 遮罩边框宽度                                      linestyle='solid'  # 遮罩边框类型                                     ))sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的椭圆

import matplotlib.patches as patches# 散点示意图:plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')plt.gca().add_patch(patches.Ellipse((3000, 4000), # 圆形的中心定位坐标(x,y)                                      1000, # 遮罩的长度设置                                      2000, # 遮罩的高度设置                                       alpha=0.3,         # 圆形透明度                                      facecolor="green",   # 遮罩颜色                                      edgecolor="white", # 遮罩边框颜色                                      linewidth=1,       # 遮罩边框宽度                                      linestyle='solid'  # 遮罩边框类型                                     ))sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的分割线

此方法利用线条来对图表中的区域进行分割区域，体现差异化比较。

plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')# Annotationplt.plot([3000, 1000], [1000, 8000], color="skyblue", lw=5, linestyle='solid', label="_not in legend")sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的象限分割线

此方法是利用象限思维来设置分割区域，帮助更好的分析。

plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')# Annotation# Annotationplt.axvline(3000, color='r')plt.axhline(4000, color='green')sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

标记的公式

此方法一般用于描述数据模型或者数据关系，可以增加分析的表达效果。

plt.plot( '材料', '租金', data=Financial_data, linestyle='none', marker='*')# Annotationplt.text(4000,2000, r'equation: $sum_{i=0}^infty x_i$', fontsize=20)sns.despine() # 默认无参数状态，就是删除上方和右方的边框，matplotlib貌似做不到plt.show()

写在最后

打标记，画标签，是一种非常简单有效的图表优化方法。

千万别轻视它们，否则你会吃大亏。

经验证明，我们的图表只需增加一些凸显观点的标记提示，就能让观众解读图表的速度大幅提升。

OK，今天就到这里。喜欢老海的分享，请关注留言和转发，我是数据炼金师，老海