内联Matplotlib中的标签

在Matplotlib中，创build一个图例（ example_legend() ，下面）并不难，但是我认为把标签放在被绘制的曲线上是更好的方式（如下面的example_inline() ）。 这可能非常复杂，因为我必须手动指定坐标，如果重新格式化graphics，我可能不得不重新定位标签。 有没有办法在Matplotlib曲线上自动生成标签？ 加分点可以将文本定位在与曲线angular度对应的angular度。

 import numpy as np import matplotlib.pyplot as plt def example_legend(): plt.clf() x = np.linspace(0, 1, 101) y1 = np.sin(x * np.pi / 2) y2 = np.cos(x * np.pi / 2) plt.plot(x, y1, label='sin') plt.plot(x, y2, label='cos') plt.legend() 

 def example_inline(): plt.clf() x = np.linspace(0, 1, 101) y1 = np.sin(x * np.pi / 2) y2 = np.cos(x * np.pi / 2) plt.plot(x, y1, label='sin') plt.plot(x, y2, label='cos') plt.text(0.08, 0.2, 'sin') plt.text(0.9, 0.2, 'cos') 

Answer 1

很好的问题，前一段时间我已经尝试了一下，但还没有用太多，因为它仍然没有防弹。 我将绘图区域划分为一个32×32的网格，并根据以下规则计算每行标签的最佳位置的“势场”：

• 白色空间是一个标签的好地方
• 标签应该靠近相应的行
• 标签应该远离其他线路

代码是这样的：

 import matplotlib.pyplot as plt import numpy as np from scipy import ndimage def my_legend(axis = None): if axis == None: axis = plt.gca() N = 32 Nlines = len(axis.lines) print Nlines xmin, xmax = axis.get_xlim() ymin, ymax = axis.get_ylim() # the 'point of presence' matrix pop = np.zeros((Nlines, N, N), dtype=np.float) for l in range(Nlines): # get xy data and scale it to the NxN squares xy = axis.lines[l].get_xydata() xy = (xy - [xmin,ymin]) / ([xmax-xmin, ymax-ymin]) * N xy = xy.astype(np.int32) # mask stuff outside plot mask = (xy[:,0] >= 0) & (xy[:,0] < N) & (xy[:,1] >= 0) & (xy[:,1] < N) xy = xy[mask] # add to pop for p in xy: pop[l][tuple(p)] = 1.0 # find whitespace, nice place for labels ws = 1.0 - (np.sum(pop, axis=0) > 0) * 1.0 # don't use the borders ws[:,0] = 0 ws[:,N-1] = 0 ws[0,:] = 0 ws[N-1,:] = 0 # blur the pop's for l in range(Nlines): pop[l] = ndimage.gaussian_filter(pop[l], sigma=N/5) for l in range(Nlines): # positive weights for current line, negative weight for others.... w = -0.3 * np.ones(Nlines, dtype=np.float) w[l] = 0.5 # calculate a field p = ws + np.sum(w[:, np.newaxis, np.newaxis] * pop, axis=0) plt.figure() plt.imshow(p, interpolation='nearest') plt.title(axis.lines[l].get_label()) pos = np.argmax(p) # note, argmax flattens the array first best_x, best_y = (pos / N, pos % N) x = xmin + (xmax-xmin) * best_x / N y = ymin + (ymax-ymin) * best_y / N axis.text(x, y, axis.lines[l].get_label(), horizontalalignment='center', verticalalignment='center') plt.close('all') x = np.linspace(0, 1, 101) y1 = np.sin(x * np.pi / 2) y2 = np.cos(x * np.pi / 2) y3 = x * x plt.plot(x, y1, 'b', label='blue') plt.plot(x, y2, 'r', label='red') plt.plot(x, y3, 'g', label='green') my_legend() plt.show() 

并由此产生的情节：

Answer 2

美丽的照片：

在matplotlib ， 标记轮廓图很容易（自动或者通过鼠标点击手动放置标签）。 目前还没有（似乎）以这种方式标记数据系列的任何等效function！ 不包括我缺less的这个function可能会有一些语义上的原因。

无论如何，我已经写了下面的模块，它允许任何允许半自动小区标记。 它只需要标准math库中的numpy和一些函数。

描述

labelLines函数的默认行为是将标签沿x轴均匀分布（当然会自动放置在正确的y值处）。 如果你想要的话，你可以传递每个标签的x坐标的数组。 你甚至可以调整一个标签的位置（如右下图所示），如果你愿意的话，将其余部分均匀分开。

另外， label_lines函数并不考虑在plot命令中没有分配标签的行（或者如果标签包含'_line'则更精确）。

将传递给labelLines或labelLine关键字parameter passing给text函数调用（如果调用代码select不指定，则设置一些关键字参数）。

问题

• 注释边界框有时会与其他曲线产生不希望的干扰。 如左上angular图中的1和10注释所示。 我甚至不确定这是可以避免的。
• 有时候指定一个y位置会很好。
• 在正确的位置获得注释仍然是一个反复的过程
• 它只适用于x轴值为float s的情况

陷阱

• 默认情况下， labelLines函数假定所有数据系列都跨越轴限制指定的范围。 看看漂亮的图片左上angular的蓝色曲线。 如果只有数据可用于x范围0.5 – 1那么我们就不可能在所需的位置放置一个标签（略小于0.2 ）。 看到这个问题的一个特别讨厌的例子。 现在，代码不能智能地识别这种情况并重新排列标签，但是有一个合理的解决方法。 labelLines函数采用xvals参数; 由用户指定的x的列表，而不是整个宽度的默认线性分布。 因此，用户可以决定为每个数据序列的标签放置使用哪些x 。

另外，我相信这是第一个完成将标签与曲线alignment的奖励目标的答案。 🙂

label_lines.py：

 from math import atan2,degrees import numpy as np #Label line with line2D label data def labelLine(line,x,label=None,align=True,**kwargs): ax = line.get_axes() xdata = line.get_xdata() ydata = line.get_ydata() if (x < xdata[0]) or (x > xdata[-1]): print('x label location is outside data range!') return #Find corresponding y co-ordinate and angle of the line ip = 1 for i in range(len(xdata)): if x < xdata[i]: ip = i break y = ydata[ip-1] + (ydata[ip]-ydata[ip-1])*(x-xdata[ip-1])/(xdata[ip]-xdata[ip-1]) if not label: label = line.get_label() if align: #Compute the slope dx = xdata[ip] - xdata[ip-1] dy = ydata[ip] - ydata[ip-1] ang = degrees(atan2(dy,dx)) #Transform to screen co-ordinates pt = np.array([x,y]).reshape((1,2)) trans_angle = ax.transData.transform_angles(np.array((ang,)),pt)[0] else: trans_angle = 0 #Set a bunch of keyword arguments if 'color' not in kwargs: kwargs['color'] = line.get_color() if ('horizontalalignment' not in kwargs) and ('ha' not in kwargs): kwargs['ha'] = 'center' if ('verticalalignment' not in kwargs) and ('va' not in kwargs): kwargs['va'] = 'center' if 'backgroundcolor' not in kwargs: kwargs['backgroundcolor'] = ax.get_axis_bgcolor() if 'clip_on' not in kwargs: kwargs['clip_on'] = True if 'zorder' not in kwargs: kwargs['zorder'] = 2.5 ax.text(x,y,label,rotation=trans_angle,**kwargs) def labelLines(lines,align=True,xvals=None,**kwargs): ax = lines[0].get_axes() labLines = [] labels = [] #Take only the lines which have labels other than the default ones for line in lines: label = line.get_label() if "_line" not in label: labLines.append(line) labels.append(label) if xvals is None: xmin,xmax = ax.get_xlim() xvals = np.linspace(xmin,xmax,len(labLines)+2)[1:-1] for line,x,label in zip(labLines,xvals,labels): labelLine(line,x,label,align,**kwargs) 

testing代码来生成上面的漂亮图片：

 from matplotlib import pyplot as plt from scipy.stats import loglaplace,chi2 from label_lines import * X = np.linspace(0,1,500) A = [1,2,5,10,20] funcs = [np.arctan,np.sin,loglaplace(4).pdf,chi2(5).pdf] plt.subplot(221) for a in A: plt.plot(X,np.arctan(a*X),label=str(a)) labelLines(plt.gca().get_lines(),zorder=2.5) plt.subplot(222) for a in A: plt.plot(X,np.sin(a*X),label=str(a)) labelLines(plt.gca().get_lines(),align=False,fontsize=14) plt.subplot(223) for a in A: plt.plot(X,loglaplace(4).pdf(a*X),label=str(a)) xvals = [0.8,0.55,0.22,0.104,0.045] labelLines(plt.gca().get_lines(),align=False,xvals=xvals,color='k') plt.subplot(224) for a in A: plt.plot(X,chi2(5).pdf(a*X),label=str(a)) lines = plt.gca().get_lines() l1=lines[-1] labelLine(l1,0.6,label=r'$Re=${}'.format(l1.get_label()),ha='left',va='bottom',align = False) labelLines(lines[:-1],align=False) plt.show() 

Answer 3

@Jan Kuiken的回答肯定是深思熟虑的，但也有一些注意事项：

• 它并不适用于所有情况
• 它需要相当数量的额外代码
• 从一个情节到下一个情节可能会有很大的不同

更简单的方法是注释每个图的最后一个点。 这一点也可以圈出来，强调。 这可以用一个额外的行来完成：

 from matplotlib import pyplot as plt for i, (x, y) in enumerate(samples): plt.plot(x, y) plt.text(x[-1], y[-1], 'sample {i}'.format(i=i)) 

一个变种是使用ax.annotate 。