128

在 Matplotlib 中,制作图例(下图)并不太难example_legend(),但我认为将标签直接放在正在绘制的曲线上会更好(example_inline()如下图所示)。这可能非常繁琐,因为我必须手动指定坐标,而且,如果我重新格式化绘图,我可能必须重新定位标签。有没有办法在 Matplotlib 中自动生成曲线上的标签?能够以与曲线角度相对应的角度定位文本的奖励积分。

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()

带图例的图

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')

带有内嵌标签的图

4

5 回答 5

110

更新:用户cphyc为这个答案中的代码创建了一个 Github 存储库(参见此处),并将代码捆绑到一个可以使用pip install matplotlib-label-lines.


美丽的照片:

半自动绘图标签

标记等高线图matplotlib非常容易(自动或通过单击鼠标手动放置标签)。(还)似乎没有任何等效的能力来以这种方式标记数据系列!不包括我缺少的这个功能可能有一些语义上的原因。

无论如何,我已经编写了以下模块,该模块允许半自动绘图标签。它只需要标准库中numpy的几个函数。math

描述

labelLines函数的默认行为是沿x轴均匀分布标签(当然会自动放置在正确的y-value 处)。如果你愿意,你可以只传递每个标签的 x 坐标数组。您甚至可以调整一个标签的位置(如右下图所示),如果您愿意,可以将其余标签均匀地隔开。

此外,该label_lines函数不考虑在plot命令中没有分配标签的行(或者更准确地说,如果标签包含'_line')。

传递给labelLineslabelLine传递给text函数调用的关键字参数(如果调用代码选择不指定,则设置一些关键字参数)。

问题

  • 注释边界框有时会不希望地干扰其他曲线。如左上图中的1和注释所示。10我什至不确定这是否可以避免。
  • y有时最好指定一个位置。
  • 在正确的位置获取注释仍然是一个迭代过程
  • 它仅在x-axis 值为floats时有效

陷阱

  • 默认情况下,该labelLines函数假定所有数据系列跨越由轴限制指定的范围。看看漂亮图片左上角的蓝色曲线。x如果该范围内只有可用的数据0.5-1那么我们不可能在所需位置放置标签(略小于0.2)。请参阅此问题以获取特别讨厌的示例。目前,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 函数接受xvals参数;用户指定的值列表,x而不是宽度上的默认线性分布。所以用户可以决定哪个x- 用于每个数据系列的标签放置的值。

此外,我相信这是完成将标签与它们所在的曲线对齐的奖励目标的第一个答案。:)

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.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_facecolor()

    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].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)

测试代码生成上面漂亮的图片:

from matplotlib import pyplot as plt
from scipy.stats import loglaplace,chi2

from labellines 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()
于 2016-09-09T01:27:23.690 回答
65

@Jan Kuiken 的回答当然是经过深思熟虑和彻底的,但有一些警告:

  • 它不适用于所有情况
  • 它需要大量的额外代码
  • 从一个情节到下一个情节可能会有很大差异

一个更简单的方法是注释每个图的最后一个点。为了强调,也可以圈出这一点。这可以通过额外的一行来完成:

import matplotlib.pyplot as plt

for i, (x, y) in enumerate(samples):
    plt.plot(x, y)
    plt.text(x[-1], y[-1], f'sample {i}')

一个变体是使用方法matplotlib.axes.Axes.annotate

于 2015-04-19T01:37:37.477 回答
32

好问题,不久前我已经对此进行了一些实验,但并没有经常使用它,因为它仍然不是防弹的。我将绘图区域划分为 32x32 网格,并根据以下规则计算每行标签的最佳位置的“势场”:

  • 空白是标签的好地方
  • 标签应靠近相应的行
  • 标签应远离其他行

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()

以及由此产生的情节: 在此处输入图像描述

于 2013-06-08T14:47:09.190 回答
2

matplotx(我写的)line_labels()将标签绘制在线条的右侧。当太多线集中在一个地方时,它也足够聪明以避免重叠。(有关示例,请参见星图。)它通过解决标签目标位置上的特定非负最小二乘问题来做到这一点。无论如何,在许多开始时没有重叠的情况下,例如下面的示例,这甚至没有必要。

import matplotlib.pyplot as plt
import matplotx
import numpy as np

# create data
rng = np.random.default_rng(0)
offsets = [1.0, 1.50, 1.60]
labels = ["no balancing", "CRV-27", "CRV-27*"]
x0 = np.linspace(0.0, 3.0, 100)
y = [offset * x0 / (x0 + 1) + 0.1 * rng.random(len(x0)) for offset in offsets]

# plot
with plt.style.context(matplotx.styles.dufte):
    for yy, label in zip(y, labels):
        plt.plot(x0, yy, label=label)
    plt.xlabel("distance [m]")
    matplotx.ylabel_top("voltage [V]")  # move ylabel to the top, rotate
    matplotx.line_labels()  # line labels to the right
    plt.show()
    # plt.savefig("out.png", bbox_inches="tight")

在此处输入图像描述

于 2021-12-02T13:41:09.670 回答
1

一种更简单的方法,例如 Ioannis Flippidis 所做的:

import matplotlib.pyplot as plt
import numpy as np

# evenly sampled time at 200ms intervals
tMin=-1 ;tMax=10
t = np.arange(tMin, tMax, 0.1)

# red dashes, blue points default
plt.plot(t, 22*t, 'r--', t, t**2, 'b')

factor=3/4 ;offset=20  # text position in view  
textPosition=[(tMax+tMin)*factor,22*(tMax+tMin)*factor]
plt.text(textPosition[0],textPosition[1]+offset,'22  t',color='red',fontsize=20)
textPosition=[(tMax+tMin)*factor,((tMax+tMin)*factor)**2+20]
plt.text(textPosition[0],textPosition[1]+offset, 't^2', bbox=dict(facecolor='blue', alpha=0.5),fontsize=20)
plt.show()

sageCell 上的代码 python 3

于 2020-07-17T16:43:17.463 回答