8.12 文本和注解

原文：Text and Annotation

译者：飞龙

协议：CC BY-NC-SA 4.0

本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。

创立良好的可视化涉及引导读者并使图形讲述故事。在某些情况下，可以以完全可视的方式讲述这个故事，而不需要增加文本，但在其余情况下，需要小的文本提醒和标签。也许你将使用的最基本的注释类型是轴标签和标题，但选项超出了这个范围。让我们看看少量数据，以及我们如何可视化和注释它，来有助于传达有趣的信息。 我们首先设置笔记原本绘图并导入我们将使用的函数：

%matplotlib inlineimport matplotlib.pyplot as pltimport matplotlib as mplplt.style.use('seaborn-whitegrid')import numpy as npimport pandas as pd

示例： 美国新生儿的假期效应

让我们回到之前解决的少量数据，在“示例：出生率数据”中，我们在日历年上生成了平均出生率的图表；如前所述，这些数据可以在 https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv 下载。

我们将使用我们在那里使用的相同清除过程开始，并绘制结果：

births = pd.read_csv('data/births.csv')quartiles = np.percentile(births['births'], [25, 50, 75])mu, sig = quartiles[1], 0.74 * (quartiles[2] - quartiles[0])births = births.query('(births > @mu - 5 * @sig) & (births < @mu + 5 * @sig)')births['day'] = births['day'].astype(int)births.index = pd.to_datetime(10000 * births.year +                              100 * births.month +                              births.day, format='%Y%m%d')births_by_date = births.pivot_table('births',                                    [births.index.month, births.index.day])births_by_date.index = [pd.datetime(2012, month, day)                        for (month, day) in births_by_date.index]fig, ax = plt.subplots(figsize=(12, 4))births_by_date.plot(ax=ax);

png

When we’re communicating data like this, it is often useful to annotate certain features of the plot to draw the reader’s attention.
This can be done manually with the plt.text/ax.text command, which will place text at a particular x/y value:

fig, ax = plt.subplots(figsize=(12, 4))births_by_date.plot(ax=ax)# 向绘图增加标签style = dict(size=10, color='gray')ax.text('2012-1-1', 3950, "New Year's Day", **style)ax.text('2012-7-4', 4250, "Independence Day", ha='center', **style)ax.text('2012-9-4', 4850, "Labor Day", ha='center', **style)ax.text('2012-10-31', 4600, "Halloween", ha='right', **style)ax.text('2012-11-25', 4450, "Thanksgiving", ha='center', **style)ax.text('2012-12-25', 3850, "Christmas ", ha='right', **style)# 标记轴域ax.set(title='USA births by day of year (1969-1988)',       ylabel='average daily births')# 使用中心化的月标签将 x 轴格式化ax.xaxis.set_major_locator(mpl.dates.MonthLocator())ax.xaxis.set_minor_locator(mpl.dates.MonthLocator(bymonthday=15))ax.xaxis.set_major_formatter(plt.NullFormatter())ax.xaxis.set_minor_formatter(mpl.dates.DateFormatter('%h'));

png

ax.text方法接受x位置，y位置，字符串，而后是可选关键字，指定文本的颜色，大小，样式，对齐方式和其余属性。在这里，我们使用ha='right'和ha='center'，其中ha是 horizonal alignment 的缩写。可用选项的更多信息，请参阅plt.text()和mpl.text.Text()的文档字符串。

变换和文本位置

在前面的示例中，我们将文本注释锚定到数据位置。 有时最好将文本锚定到轴或者图上的位置，与数据无关。在 Matplotlib 中，这是通过修改变换来完成的。

任何图形显示框架都需要少量在坐标系之间进行转换的方案。例如，(x, y) = (1, 1)处的数据点，需要以某种方式表示在图上的某个位置，而该位置又需要在屏幕上以像素表示。在数学上，这种坐标转换相对简单，Matplotlib 有一套完善的工具，它们在内部使用来执行（这些工具可以在matplotlib.transforms子板块中进行探究）。

普通客户很少需要关心这些变换的细节，但在考虑在图形上放置文本时，它是有用的知识。 在这种情况下，有三种预约义的转换可能很有用：

• ax.transData：数据坐标相关的变换
• ax.transAxes：轴域（以轴域维度为单位）相关的变换
• fig.transFigure：图形（以图形维度为单位）相关的变换

这里让我们看一下，使用这些变换在不同位置绘制文本的示例：

fig, ax = plt.subplots(facecolor='lightgray')ax.axis([0, 10, 0, 10])# transform=ax.transData 是默认值，但是我们无论如何也要指定它ax.text(1, 5, ". Data: (1, 5)", transform=ax.transData)ax.text(0.5, 0.1, ". Axes: (0.5, 0.1)", transform=ax.transAxes)ax.text(0.2, 0.2, ". Figure: (0.2, 0.2)", transform=fig.transFigure);

png

请注意，默认情况下，文本在指定坐标的上方和左侧对齐：这里，在每个字符串的开头的'.'将近似标记给定的坐标位置。

transData坐标给出了关联x轴和y轴标签的常用数据坐标。transAxes坐标给出了相对于轴域左下角（这里是白框）的位置，作为轴域大小的比例。transFigure坐标是类似的，但是指定相对于图左下角（这里是灰框）的位置，作为图形大小的比例。

现在请注意，假如我们更改轴限制，那么只有transData坐标会受到影响，而其余坐标则保持不变：

ax.set_xlim(0, 2)ax.set_ylim(-6, 6)fig

png

通过交互式更改轴限制可以更清楚地看到这种行为：假如你在笔记本中执行此代码，你可以通过将%matplotlib inline更改为%matplotlib notebook，并使用每个绘图的菜单与它互动来实现它。

箭头和标注

除了刻度线和文本，另一个有用的标注或者标记是简单的箭头。

在 Matplotlib 中绘制箭头通常比砍价要困难得多。尽管plt.arrow()函数是可用的，我不建议使用它：它创立的箭头是 SVG 对象，它们会受到不同长宽比的影响，结果很少是客户所期望的。相反，我建议使用plt.annotate()函数。此函数可创立少量文本和箭头，并且箭头可以非常灵活地指定。

在这里，我们将使用annotate及其几个选项：

%matplotlib inlinefig, ax = plt.subplots()x = np.linspace(0, 20, 1000)ax.plot(x, np.cos(x))ax.axis('equal')ax.annotate('local maximum', xy=(6.28, 1), xytext=(10, 4),            arrowprops=dict(facecolor='black', shrink=0.05))ax.annotate('local minimum', xy=(5 * np.pi, -1), xytext=(2, -6),            arrowprops=dict(arrowstyle="->",                            connectionstyle="angle3,angleA=0,angleB=-90"));

png

箭头样式通过arrowprops字典控制，该字典有许多选项。这些选项在 Matplotlib 的在线文档中有相当详细的记录，因而，比起在此复述这些选项，快速展现少量选项可能更有用。让我们使用之前的出生率图表演示几种可用选项：

fig, ax = plt.subplots(figsize=(12, 4))births_by_date.plot(ax=ax)# 向绘图增加标签ax.annotate("New Year's Day", xy=('2012-1-1', 4100),  xycoords='data',            xytext=(50, -30), textcoords='offset points',            arrowprops=dict(arrowstyle="->",                            connectionstyle="arc3,rad=-0.2"))ax.annotate("Independence Day", xy=('2012-7-4', 4250),  xycoords='data',            bbox=dict(boxstyle="round", fc="none", ec="gray"),            xytext=(10, -40), textcoords='offset points', ha='center',            arrowprops=dict(arrowstyle="->"))ax.annotate('Labor Day', xy=('2012-9-4', 4850), xycoords='data', ha='center',            xytext=(0, -20), textcoords='offset points')ax.annotate('', xy=('2012-9-1', 4850), xytext=('2012-9-7', 4850),            xycoords='data', textcoords='data',            arrowprops={'arrowstyle': '|-|,widthA=0.2,widthB=0.2', })ax.annotate('Halloween', xy=('2012-10-31', 4600),  xycoords='data',            xytext=(-80, -40), textcoords='offset points',            arrowprops=dict(arrowstyle="fancy",                            fc="0.6", ec="none",                            connectionstyle="angle3,angleA=0,angleB=-90"))ax.annotate('Thanksgiving', xy=('2012-11-25', 4500),  xycoords='data',            xytext=(-120, -60), textcoords='offset points',            bbox=dict(boxstyle="round4,pad=.5", fc="0.9"),            arrowprops=dict(arrowstyle="->",                            connectionstyle="angle,angleA=0,angleB=80,rad=20"))ax.annotate('Christmas', xy=('2012-12-25', 3850),  xycoords='data',             xytext=(-30, 0), textcoords='offset points',             size=13, ha='right', va="center",             bbox=dict(boxstyle="round", alpha=0.1),             arrowprops=dict(arrowstyle="wedge,tail_width=0.5", alpha=0.1));# 标记轴域ax.set(title='USA births by day of year (1969-1988)',       ylabel='average daily births')# 使用中心化的月标签将 x 轴格式化ax.xaxis.set_major_locator(mpl.dates.MonthLocator())ax.xaxis.set_minor_locator(mpl.dates.MonthLocator(bymonthday=15))ax.xaxis.set_major_formatter(plt.NullFormatter())ax.xaxis.set_minor_formatter(mpl.dates.DateFormatter('%h'));ax.set_ylim(3600, 5400);

[图片上传失败…(image-6e934c-1547868405690)]

你会注意到箭头和文本框的规格非常详细：这使你能够创立几乎任何箭头样式。不幸的是，这也意味着这些功能通常必需手动调整，这个过程在制作出版品质的图形时非常耗时！最后我要提示你，前面的样式混合绝不是展现数据的最佳实践，而是作为少量可用选项的演示。

可用箭头和注释样式的更多探讨和示例，可以在 Matplotlib 库中找到，特别是标注的演示。