Python的annotate函数用法及应用是什么
Admin 2022-11-11 群英技术资讯 518 次浏览
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:
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()
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
猜你喜欢
python如何实现单因素分析线性拟合及地理编码?下文有实例供大家参考,对大家了解操作过程或相关知识有一定的帮助,而且实用性强,希望这篇文章能帮助大家,下面我们一起来了解看看吧。
这篇文章主要为大家详细介绍了python递归实现链表快速倒转,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
Python的pprint模块中使用的格式化可以按照一种格式正确的显示数据, 这种格式即可被解析器解析, 又很易读 输出保存在一个单行内, 但如
Python模块对Redis数据库的连接与使用讲解,下文的讲解详细,步骤过程清晰,对大家进一步学习和理解有一定的帮助。有这方面学习需要的朋友就继续往下看吧!
两种实现形式区别前言PyEMD是经验模态分解 (EMD)及其变体的Python实现,EMD最流行的扩展之一是集成经验模态分解 (EEMD),它利用了噪声辅助执行的集成。顾名思义,这个包
成为群英会员,开启智能安全云计算之旅
立即注册Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所有
增值电信经营许可证 : B1.B2-20140078 粤ICP备09006778号 域名注册商资质 粤 D3.1-20240008