8.12 文本和注解
譯者：飛龍
本節是《Python 數據科學手冊》（Python Data Science Handbook）的摘錄。
創建良好的可視化涉及引導讀者并使圖形講述故事。在某些情況下，可以以完全可視的方式講述這個故事，而不需要添加文本，但在其他情況下，需要小的文本提示和標簽。也許你將使用的最基本的注釋類型是軸標簽和標題，但選項超出了這個范圍。讓我們看看一些數據，以及我們如何可視化和注釋它，來有助于傳達有趣的信息。 我們首先設置筆記本來繪圖并導入我們將使用的函數：
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib as mpl
plt.style.use('seaborn-whitegrid')
import numpy as np
import pandas as pd
示例： 美國新生兒的假期效應
讓我們回到之前處理的一些數據，在“示例：出生率數據”中，我們在日歷年上生成了平均出生率的圖表；如前所述，這些數據可以在 https://raw.githubusercontent.com/jakevdp/data-CDCbirths/master/births.csv 下載。
我們將使用我們在那里使用的相同清理過程開始，并繪制結果：
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);
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)
# 向繪圖添加標簽
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)
# 標記軸域
ax.set(title='USA births by day of year (1969-1988)',
ylabel='average daily births')
# 使用中心化的月標簽將 x 軸格式化
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.text方法接受x位置，y位置，字符串，然后是可選關鍵字，指定文本的顏色，大小，樣式，對齊方式和其他屬性。在這里，我們使用ha='right'和ha='center'，其中ha是 horizonal alignment 的縮寫。可用選項的更多信息，請參閱plt.text()和mpl.text.Text()的文檔字符串。
變換和文本位置
在前面的示例中，我們將文本注釋錨定到數據位置。 有時最好將文本錨定到軸或圖上的位置，與數據無關。在 Matplotlib 中，這是通過修改變換來完成的。
任何圖形顯示框架都需要一些在坐標系之間進行轉換的方案。例如，(x, y) = (1, 1)處的數據點，需要以某種方式表示在圖上的某個位置，而該位置又需要在屏幕上以像素表示。在數學上，這種坐標轉換相對簡單，Matplotlib 有一套完善的工具，它們在內部使用來執行（這些工具可以在matplotlib.transforms子模塊中進行探索）。
普通用戶很少需要關心這些變換的細節，但在考慮在圖形上放置文本時，它是有用的知識。 在這種情況下，有三種預定義的轉換可能很有用：
-
ax.transData：數據坐標相關的變換 -
ax.transAxes：軸域（以軸域維度為單位）相關的變換 -
fig.transFigure：圖形（以圖形維度為單位）相關的變換
這里讓我們看一下，使用這些變換在不同位置繪制文本的示例：
fig, ax = plt.subplots(facecolor='lightgray')
ax.axis([0, 10, 0, 10])
# transform=ax.transData 是默認值，但是我們無論如何也要指定它
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);
請注意，默認情況下，文本在指定坐標的上方和左側對齊：這里，在每個字符串的開頭的'.'將近似標記給定的坐標位置。
transData坐標給出了關聯x軸和y軸標簽的常用數據坐標。transAxes坐標給出了相對于軸域左下角（這里是白框）的位置，作為軸域大小的比例。transFigure坐標是相似的，但是指定相對于圖左下角（這里是灰框）的位置，作為圖形大小的比例。
現在請注意，如果我們更改軸限制，那么只有transData坐標會受到影響，而其他坐標則保持不變：
ax.set_xlim(0, 2)
ax.set_ylim(-6, 6)
fig
通過交互式更改軸限制可以更清楚地看到這種行為：如果你在筆記本中執行此代碼，你可以通過將%matplotlib inline更改為%matplotlib notebook，并使用每個繪圖的菜單與它互動來實現它。
箭頭和標注
除了刻度線和文本，另一個有用的標注或標記是簡單的箭頭。
在 Matplotlib 中繪制箭頭通常比砍價要困難得多。雖然plt.arrow()函數是可用的，我不建議使用它：它創建的箭頭是 SVG 對象，它們會受到不同長寬比的影響，結果很少是用戶所期望的。相反，我建議使用plt.annotate()函數。此函數可創建一些文本和箭頭，并且箭頭可以非常靈活地指定。
在這里，我們將使用annotate及其幾個選項：
%matplotlib inline
fig, 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"));
箭頭樣式通過arrowprops字典控制，該字典有許多選項。這些選項在 Matplotlib 的在線文檔中有相當詳細的記錄，因此，比起在此復述這些選項，快速展示一些選項可能更有用。讓我們使用之前的出生率圖表演示幾種可用選項：
fig, ax = plt.subplots(figsize=(12, 4))
births_by_date.plot(ax=ax)
# 向繪圖添加標簽
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));
# 標記軸域
ax.set(title='USA births by day of year (1969-1988)',
ylabel='average daily births')
# 使用中心化的月標簽將 x 軸格式化
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);
[圖片上傳失敗...(image-6e934c-1547868405690)]
你會注意到箭頭和文本框的規格非常詳細：這使你能夠創建幾乎任何箭頭樣式。不幸的是，這也意味著這些功能通常必須手動調整，這個過程在制作出版品質的圖形時非常耗時！最后我要提醒你，前面的樣式混合絕不是展示數據的最佳實踐，而是作為一些可用選項的演示。
可用箭頭和注釋樣式的更多討論和示例，可以在 Matplotlib 庫中找到，特別是標注的演示。
