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：

    在这里插入图片描述

    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：

    在这里插入图片描述

    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本网站。

    您可能感兴趣的文章:

    • Python绘制正余弦函数图像的方法
    • 简单了解Python中的几种函数
    • Python的函数使用介绍
    • Python定义一个函数的方法