python画图时给图中的点加标签和plt.text的使用
背景：
今天在用matplotlib模块画各城市2019-nCoV疫情确诊人数和节前流入人口数的图的时候遇到了要给图中的点加上标签示意，原本图长这个样子
现在要给各散点标注是哪个哪个城市，即下面这种图：
matplotlib模块加标签主要有matplotlib.pyplot.text()和matplotlib.pyplot.annotate()两个关键函数，后者适用范围更广，今天主要谈一下前者matplotlib.pyplot.text()，简写成plt.text() 。
准备知识：
在此重点讲一下plt.text()的用法和参数设置，plt.text()函数基本语法如下：
plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , **kwargs)
其中：
- x,y表示标签添加的位置，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值，特别的，如果你要变换坐标系的话，要用到
transform=ax.transAxes参数。 - s表示标签的符号，字符串格式，比如你想加个“我爱三行科创”，更多的是你标注跟数据有关的主体，你如实写便是。
fontsize顾名思义就是你加标签字体大小了，取整数。verticalalignment表示垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等horizontalalignment表示水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等rotation表示标签的旋转角度，以逆时针计算，取整- 后面还有 family 用来设置字体，style 设置字体的风格，weight 字体的粗细, bbox 给字体添加框,如 bbox=dict(facecolor=‘red’, alpha=0.5) 等，各种风格，应有尽有，总有一款适合你。
实例操作：
讲解玩关键函数类plt.text()的用法之后，我们要进行实际操作。首先，我们用下面代码把第一张图画出来
import pandas as pd #导入数据分析模块
import matplotlib.pyplot as plt #导入绘图模块类
plt.rcParams['font.sans-serif']=['SimHei'] #图中文字体设置为黑体
plt.rcParams['axes.unicode_minus']=False #负值显示
data=pd.read_excel(r"D:\城市租赁地图\人流流动与疫情发展\百度迁徙.xlsx") #读取数据
city_name=data['city'] #城市名称
people_flow=data['out_people']*100 #流出人口,单位百人
confirm=data['confirm(2.10)'] #确诊人数
fig=plt.figure(figsize=(8,6)) #新建画布
ax=plt.subplot(1,1,1) #子图初始化
ax.scatter(people_flow,confirm) #绘制散点图
ax.set_title("人口流入-确诊人数")
ax.set_xlabel("人口流入数（百人）")
ax.set_ylabel("确诊人数")
plt.show()然后再给第一个点加上标签，只需要添加一行代码即可：
ax.text(430, 337, "北京", fontsize=12, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right', rotation=90)
其中430, 337就是这个点的坐标值，北京是这个点的主体，你可以不断的去调后面的参数使其满足你所需。
接着，我们要批量给图中的点加上主体标签，使其看起来像第二张图，需要用到循环语句来控制加标签的位置
for i in range(len(confirm)): ax.text(people_flow[i]*1.01, confirm[i]*1.01, city_name[i], fontsize=10, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right',rotation=0) #给散点加标签
这里关键是里面偏移参数的设定，比如这里两个偏移率都设置成1.01, 当初想的是标签不要覆盖原来的点，两者最好不重合，看起来大方得体，你可以开始的设置成1.0，观察效果然后慢慢调节，举个例子，如果是柱状图，且宽度适合的话，第一个偏移率设置成1.0，第二个设置成1.05左右，即稍微高出柱子多一丁点显示柱子的标签。
完整代码：
最后给出完整代码，如果你不会写代码或者只要数据测试，百度迁徙.xlsx如下:
import pandas as pd #导入数据分析模块
import matplotlib.pyplot as plt #导入绘图模块类
plt.rcParams['font.sans-serif']=['SimHei'] #图中文字体设置为黑体
plt.rcParams['axes.unicode_minus']=False #负值显示
data=pd.read_excel(r"D:\城市租赁地图\人流流动与疫情发展\百度迁徙.xlsx") #读取数据
city_name=data['city'] #城市名称
people_flow=data['out_people']*100 #流出人口,单位百人
confirm=data['confirm(2.10)'] #确诊人数
fig=plt.figure(figsize=(8,6)) #新建画布
ax=plt.subplot(1,1,1) #子图初始化
ax.scatter(people_flow,confirm) #绘制散点图
ax.set_title("人口流入-确诊人数")
ax.set_xlabel("人口流入数（百人）")
ax.set_ylabel("确诊人数")
#ax.text(430, 337, "北京", fontsize=12, color = "r", style = "italic", weight = "light", verticalalignment='center', horizontalalignment='right',rotation=90)
for i in range(len(confirm)):
ax.text(people_flow[i]*1.01, confirm[i]*1.01, city_name[i],
fontsize=10, color = "r", style = "italic", weight = "light",
verticalalignment='center', horizontalalignment='right',rotation=0) #给散点加标签
plt.show()
到此这篇关于python画图时给图中的点加标签和plt.text的使用的文章就介绍到这了,更多相关python给图中点加标签内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
python 如何把docker-compose.yaml导入到数据库相关条目里
这篇文章主要介绍了python 如何把docker-compose.yaml导入到数据库相关条目里？下面小编就为大家介绍一下实现方式，一起跟随小编过来看看吧2021-01-01
这篇文章主要介绍了关于pandas.date_range()的用法及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-07-07
这篇文章主要介绍了python SocketServer源码深入解读,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
这篇文章主要介绍了Python中实现输入一个整数的案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-05-05
这篇文章主要为大家详细介绍了Python基于OpenCV实现视频的人脸检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-01-01
这篇文章主要给大家介绍了关于Python中类与类型的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用Python具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-07-07
这篇文章主要介绍了详解pandas的外部数据导入与常用方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-05-05
这篇文章主要介绍了Python应用实现处理excel数据过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要介绍了深入理解Django自定义信号（signals)，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-10-10
爬虫是一种自动获取网页内容的程序，它可以帮助我们从网络上快速收集大量信息。下面我们将学习如何使用 Python 编写一个简单的爬虫框架，感兴趣的可以了解一下2023-05-05
最新评论