为图表添加文本和注释

虽然标题、轴标签和图例为您的图表提供了背景信息，但有时您需要直接在可视化图表上添加特定文本。这可能是为了标记 (token)某个数据点，突出显示感兴趣的区域，解释异常情况，或添加其他不适合标准图表元素的上下文 (context)信息。Matplotlib 提供了灵活的工具，可以精确地在您需要的位置添加文本和注释。

使用 text() 放置常规文本

向 Matplotlib 图表添加文本最直接的方法是使用 plt.text() 函数（如果您使用面向对象的方法处理 Axes 对象，通常称为 ax，则可以使用等效的 ax.text() 方法）。此函数会将文本放置在图表数据空间内的指定坐标处。

基本语法如下：

plt.text(x, y, 'Your desired text string')

此处，x 和 y 是文本开始处的坐标，基于您坐标轴的数据刻度。

我们来看一个例子：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 2 * np.pi, 100)
y_sin = np.sin(x)
y_cos = np.cos(x)

# 创建图表
plt.figure(figsize=(8, 5)) # 创建一个图表
plt.plot(x, y_sin, label='sin(x)', color='#1c7ed6') # 蓝色
plt.plot(x, y_cos, label='cos(x)', color='#fd7e14') # 橙色
plt.title('正弦波和余弦波')
plt.xlabel('角度 (弧度)')
plt.ylabel('值')
plt.legend()
plt.grid(True, linestyle=':', alpha=0.6)

# 使用 plt.text() 添加文本
plt.text(np.pi / 2, 1.05, '正弦波峰值', ha='center', va='bottom', color='#1c7ed6')
plt.text(np.pi, -1.05, '余弦波最小值', ha='center', va='top', color='#fd7e14')
plt.text(4, 0, '交点', ha='left', va='center', fontsize=9, color='#495057') # 灰色

plt.ylim(-1.5, 1.5) # 调整 y 轴限制以留出文本空间
plt.show()

在这个例子中：

• 我们绘制了正弦波和余弦波。
• 我们使用了三次 plt.text() 来在特定点附近添加标签。
• 请注意可选参数 (parameter)的使用：
  • ha（或 horizontalalignment）：控制水平对齐 (alignment)方式（'center' 居中, 'left' 靠左, 'right' 靠右）。
  • va（或 verticalalignment）：控制垂直对齐方式（'center' 居中, 'top' 靠上, 'bottom' 靠下, 'baseline' 基线）。
  • color：设置文本颜色。
  • fontsize：调整文本大小。

使用 plt.text() 很适合一般性标签，但要将文本精确地相对于特定数据点对齐，尤其是在需要指示器的情况下，通常需要使用注释功能。

使用 annotate() 指出特征

当您想引起图表中某个点或特征的注意并添加描述性文本时，plt.annotate()（或面向对象方法中的 ax.annotate()）更合适。它允许您指定被注释点的位置和文本标签的位置，通常用箭头将它们连接起来。

核心语法涉及：

plt.annotate('Annotation text',
             xy=(x_point, y_point),          # 要注释的点
             xytext=(x_text, y_text),        # 文本应该在的位置
             arrowprops=dict(...)           # 箭头的属性
             )

• 'Annotation text' 是您想要显示的字符串。
• xy 是一个元组 (x, y)，表示您要注释点的坐标（箭头指向此处）。这些通常是数据坐标。
• xytext 是一个元组 (x, y)，表示文本标签应放置的坐标。默认情况下，这些也是数据坐标。
• arrowprops 是一个字典，定义连接 xytext 到 xy 的箭头的样式。如果您省略 arrowprops 或将其设置为 None，则不会绘制箭头。

让我们注释上一个例子中正弦波的第一个峰值：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 2 * np.pi, 100)
y_sin = np.sin(x)

# 找到第一个峰值 (近似值)
peak_x = np.pi / 2
peak_y = np.sin(peak_x) # 这是 1.0

# 创建图表
fig, ax = plt.subplots(figsize=(8, 5)) # 现在使用面向对象方法
ax.plot(x, y_sin, color='#1c7ed6') # 蓝色
ax.set_title('注释正弦波峰值')
ax.set_xlabel('角度 (弧度)')
ax.set_ylabel('值')
ax.grid(True, linestyle=':', alpha=0.6)

# 使用 ax.annotate() 添加注释
ax.annotate('第一个峰值 (x=π/2)',
            xy=(peak_x, peak_y),                      # 要注释的点 (数据坐标)
            xytext=(peak_x + 1, peak_y + 0.3),        # 文本位置 (数据坐标)
            arrowprops=dict(facecolor='#495057',      # 箭头颜色 (灰色)
                            edgecolor='#495057',
                            shrink=0.05,              # 箭头和点之间的间隙
                            arrowstyle='->',          # 箭头样式
                            connectionstyle='arc3,rad=0.2' # 弧形箭头
                           ),
            fontsize=10,
            color='#495057' # 灰色文本
           )

# 为了清晰，标记点本身
ax.plot(peak_x, peak_y, 'o', color='#f03e3e') # 峰值处的红色标记

ax.set_ylim(-1.2, 1.5) # 确保有足够的注释空间
plt.show()

在这段代码中：

• 我们使用 plt.subplots() 明确创建了一个 Figure 和 Axes 对象。这允许我们使用 ax.annotate()。
• 我们确定了正弦波第一个峰值的坐标 (peak_x, peak_y)。
• xy 参数 (parameter)将箭头直接指向此峰值。
• xytext 参数将文本标签定位在峰值上方偏右的位置。
• arrowprops 字典定义了箭头的样式：
  • facecolor 和 edgecolor 设置箭头颜色。
  • shrink 在箭头末端和它们连接的点之间创建了一个小间隙。
  • arrowstyle 定义了箭头的类型（例如，'->'，'-|>'，'<|-|>'，'fancy'）。
  • connectionstyle 控制箭头线的路径（例如，'arc3,rad=0.2' 创建一个弧形箭头；'angle3' 创建一个弯曲的箭头）。通常需要尝试这些值才能获得所需的外观。
• 我们使用 ax.plot() 在被注释点添加了一个标记 (token)，使其在视觉上更清晰。

虽然 xy 和 xytext 默认使用数据坐标，但 annotate 通过使用 xycoords 和 textcoords 参数（例如，将文本放置在相对于图表或坐标轴边界的位置）提供了对坐标系的精细控制。然而，对于许多常见用途，依赖数据坐标就足够且更直观。

选择 text 还是 annotate

• 当您需要在特定数据坐标处放置一个简单的文本标签，而不需要明确的指示器时，请使用 text()。
• 当您想特别突出显示一个数据点或特征，并在该特征及其描述之间绘制视觉连接（箭头）时，请使用 annotate()。annotate 提供了对文本相对于关注点定位的更多控制。

添加文本和注释需要仔细考虑。请确保您的添加物能阐明图表，而不是使其混乱。有目的地使用它们，以引导观看者注意数据可视化中最重要的方面。