python中的annotate函数使用

目录

• python的annotate函数
• annotate函数
• 可视化annotate()函数解析

python的annotate函数

annotate函数

该函数的详细参数可调用内置属性__doc__查看。

	import matplotlib.pyplot as plt
    # plt.annotate(str, xy=data_point_position, xytext=annotate_position, 
    #              va=\"center\",  ha=\"center\", xycoords=\"axes fraction\", 
    #              textcoords=\"axes fraction\", bbox=annotate_box_type, arrowprops=arrow_style)
    # str是给数据点添加注释的内容，支持输入一个字符串
    # xy=是要添加注释的数据点的位置
    # xytext=是注释内容的位置
    # bbox=是注释框的风格和颜色深度，fc越小，注释框的颜色越深，支持输入一个字典
    # va=\"center\",  ha=\"center\"表示注释的坐标以注释框的正中心为准，而不是注释框的左下角(v代表垂直方向，h代表水平方向)
    # xycoords和textcoords可以指定数据点的坐标系和注释内容的坐标系，通常只需指定xycoords即可，textcoords默认和xycoords相同
    # arrowprops可以指定箭头的风格支持，输入一个字典
    # plt.annotate()的详细参数可用__doc__查看，如：print(plt.annotate.__doc__)

例1：

	import matplotlib.pyplot as plt
    fig = plt.figure(1, facecolor=\'white\')
    fig.clf()
    plt.annotate(\'a decision node\', (0.1, 0.5), (0.5, 0.1), va=\"center\",  ha=\"center\",
                 xycoords=\"axes fraction\", textcoords=\"axes fraction\", 
                 bbox=dict(boxstyle=\"sawtooth\", fc=\"0.8\"), arrowprops=dict(arrowstyle=\"<-\"))
    plt.show()

结果如下：

例2：给注释和数据点指定不同的坐标系

	import matplotlib.pyplot as plt
    fig = plt.figure(1, facecolor=\'white\')
    fig.clf()
    # 这里指定数据点的坐标系原点在xy轴的左下角，而注释的坐标系原点在这个图像(figure)的左下角
    # 所以才会出现注释内容下移覆盖了x轴
    plt.annotate(\'a decision node\', (0.1, 0.5), (0.5, 0.1), va=\"center\",  ha=\"center\",
                 xycoords=\"axes fraction\", textcoords=\"figure fraction\", 
                 bbox=dict(boxstyle=\"sawtooth\", fc=\"0.8\"), arrowprops=dict(arrowstyle=\"<-\"))
    plt.show()

结果如下：

可视化annotate()函数解析

函数功能：添加图形内容细节的指向型注释文本。

调用签名：

plt.annotate(string, xy=(np.pi/2, 1.0), xytext=((np.pi/2)+0.15, 1,5), weight=\"bold\", color=\"b\", arrowprops=dict(arrowstyle=\"->\", connectionstyle=\"arc3\", color=\"b\"))

• string：图形内容的注释文本
• xy：被注释图形内容的位置坐标
• xytext：注释文本的位置坐标
• weight：注释文本的字体粗细风格
• color：注释文本的字体颜色
• arrowprops：指示被注释内容的箭头的属性字典

代码实现：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls=\"-.\", lw=2, c=\"c\", label=\"plot figure\")
plt.legend()
plt.annotate(\"maximum\", xy=(np.pi/2, 1.0), xytext=((np.pi/2)+1.0, .8),
             weight=\"bold\", color=\"b\", 
             arrowprops=dict(arrowstyle=\"->\", connectionstyle=\"arc3\", color=\"b\"))
plt.show()

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。