python中的annotate函数使用

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()

来源：https://blog.csdn.net/watermelon12138/article/details/88375823