So verwenden Sie Etiketten in Matplotlib

Wir werden verschiedene Methoden sehen, um das Matplotlib -Diagramm zu kennzeichnen. Die Etiketten geben vollständige Informationen über das Diagramm und sind von der anderen Person leicht zu verstehen.

In diesem Artikel sehen wir also Details zu den folgenden Themen:

1. Hinzufügen von Text in der Grafik
2. Hinzufügen von Etiketten zu den Matplotlib -Diagrammen
3. Textanschlag (Matplotlib.Pyplot.Annotate ()) für die Liniengrafik
4. Textanschlag (Matplotlib.Pyplot.Annotate ()) für das Balkendiagramm
5. Textanschlag (Matplotlib.Pyplot.Annotate ()) für das Streudiagramm -Diagramm
6. Legendenfunktion

1. Hinzufügen von Text in der Grafik

Wir können auch Text in die Grafik hinzufügen, damit wir keine wichtigen Informationen zeigen müssen, während wir etwas präsentieren. Wenn wir den Text zu bestimmten Daten einfügen, sieht dies auch professioneller oder informativer aus.

Die Syntax ist:

# AdditionTextongraph.py
Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
PLT.CLF ()
# Verwenden Sie einige Dummy -Daten für dieses Beispiel
x_Value = np.Arange (0,15,1)
print ("x_Value", x_Value)
y_value = np.willkürlich.Normal (loc = 2.0, scale = 0.9, Größe = 15)
print ("y_value", y_value)
PLT.Diagramm (x_Value, y_value)
# Standardtext wird links ausgerichtet
PLT.Text (1,3, 'Dieser Text beginnt bei x = 1 und y = 3')
# Dieser Text wird rechts ausgerichtet sein
PLT.Text (6,2, 'Dieser Text endet bei x = 6 und y = 2', horizontalalignment = 'rechts')
PLT.zeigen()

Zeile 2 bis 3: Wir importieren alle notwendigen Pakete für dieses Programm.

Zeile 5: Wir nennen die Methode CLF (). Diese Funktion hilft, etwas auf das vorherige Diagramm selbst zu zeichnen. Es schließt das Fenster des Diagramms nicht so, dass zwei verschiedene Elemente auf demselben Diagramm zeichnen können.

Zeile 7 bis 11: Wir haben gerade einige zufällige Werte für die x_Values ​​und y_values ​​erstellt.

Zeile 12: Wir übergeben die erstellten zufälligen X- und Y -Werte in die Plotfunktion, um die Grafik zu zeichnen.

Zeile 15 bis 20: Unser Diagramm ist jetzt fertig und muss einen Text hinzufügen. Also fügen wir zuerst den Text hinzu, der mit x = 1, y = 3 (1, 3) beginnt. Standardmäßig wird der Text links ausgerichtet, damit der obige Text ab dem Punkt beginnt (1, 3).

In der nächsten Zeile fügen wir einen weiteren Text hinzu, dessen Ausgangspunkt x = 6 und y = 2 ist. Aber diesmal haben wir ihre horizontalische Ausrichtung = "rechts" erwähnt, also ist der Textendpunkt (6, 2).

Ausgang: Python Hinzufügen von textongraph.py

x_Value [0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
y_value [1.70365904 3.73967715 1.11413564 2.82135022 2.87735691 1.98391073
1.75867938 3.01109059 2.6281119 1.89008119 1.58300606 1.3142607
1.01428062 0.84672494 0.07056874]

2. Hinzufügen von Etiketten zu den Matplotlib -Diagrammen

In diesem Beispiel werden wir die Namen der Etiketten in die Grafik hinzufügen. Wenn wir im vorherigen Beispiel das Diagrammdiagramm sehen, ist es schwierig zu verstehen. Und wir können auch nicht sehen, wo sich die tatsächlichen Daten im Diagramm befinden. Wir werden also Markierungen hinzufügen, um die Datenpunkte auf dem Diagramm zusammen mit den Etiketten zu sehen.

# Addlabels.py
# Importieren Sie die erforderliche Bibliothek
Matplotlib importieren.Pyplot als PLT
Daten # x und y Daten
Numberofemp = [13, 200, 250, 300, 350, 400]
Jahr = [2011, 2012, 2013, 2014, 2015, 2016]
# Diagramm eine Zeilendiagramm
PLT.Plot (Jahr, Numberofemp, Marker = "O")
# Label-Name des X-Achse-Titels festlegen
PLT.xlabel ("Jahr")
# Label-Name des X-Achse-Titels festlegen
PLT.Ylabel ("Anzahl der Mitarbeiter")
# Label Name des Diagrammtitels festlegen
PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters"))
PLT.zeigen()

Zeile 4 bis 8: Wir importieren die erforderliche Bibliothek und erstellen zwei Listen für x und y. Die ListennummerOftemp repräsentiert die X-Achse und das Listenjahr repräsentiert die y-Achse.

Zeile 11: Wir übergeben diese X- und Y -Parameter an die Plotfunktion und fügen einen weiteren Parameter in die Diagrammfunktion hinzu. Der Marker wird verwendet, um die Datenpunkte in der Grafik anzuzeigen. Für die Unterstützung stehen eine Reihe von Markern zur Verfügung.

Zeile 13 bis 19: Wir setzen die Labelnamen entlang der X-Achse, der y-Achse und dem Titelnamen der Tabelle.

Ausgang: Python Addlabels.py

3. Textanschlag (Matplotlib.Pyplot.Annotate ()) für die Liniengrafik

Textanmerkungen sind eine weitere Funktion in der Matplotlib, die dazu beiträgt, die Datenpunkte zu kommentieren.

# DataPoins_Labels_on_line_Graph.py
# Importieren Sie die erforderlichen Pakete
Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
# Importieren Sie die CLF () -Methode, um ein anderes Diagramm im selben Diagrammfenster zu zeichnen
PLT.CLF ()
# Dummy -Datensatz von Numpy
x_values ​​= np.Arange (0,10,1)
y_values ​​= np.willkürlich.Normal (loc = 2, Skala = 0.2, Größe = 10)
PLT.plot (x_values, y_values, marker = 'd', mfc = 'green', mec = 'gelb', ms = '7')
#Joins die X- und Y -Werte
Für x, y in ZIP (x_Values, y_values):
Label = ":.3f ".Format (y)
PLT.Annotate (Etikett, # Dies ist der Wert, den wir kennzeichnen möchten (Text)
(x, y), # x und y ist der Punktpunkt, an dem wir kennzeichnen müssen
textCoords = "Offset -Punkte",
xytext = (0,10), # Dies für den Abstand zwischen den Punkten
# und das Textetikett
ha = 'Mitte' ',
ArrowProps = dict (arrowStyle = "->", color = 'green'))
PLT.zeigen()

Zeile 14: Wir übergeben die Parametermarker = "D", MFC (MarkerFaceColor) grüne Farbe, MEC (markeredGecolor) Gelb und MS (MarkerSize). Das MEC (markerierte Gründung) ist eine Farbe, die außerhalb des Datenpunkts liegt.

Zeile 19: Wir formatieren den Wert von y.

Wie nachfolgend dargestellt:

Tatsächlicher Wert von y = 2.0689824848029414

Nach dem Format beträgt der Wert von y 2.069 (abgerundet auf 3 Dezimalpunkte)

Zeile 21 bis 29: Wir übergeben alle erforderlichen Parameter in die Annotate -Funktion, nämlich (x, y). xytext ist für den Abstand zwischen den Punkten und dem Etikett. Der ArrowProps ist ein weiterer Parameter, der für die Grafik verwendet wird, um professionellere Weise zu zeigen. Und endlich zeichnen wir das unten gezeigte Diagramm auf.

Ausgang: python dataPoints_labels_on_line_graph.py

4. Textanschlag (Matplotlib.Pyplot.Annotate ()) für das Balkendiagramm

Wir können dem Balkendiagramm des Matplotlibs auch Textanmerkungen hinzufügen.

# Annotation_Bar_Graph.py
# Importieren Sie die erforderlichen Pakete
Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
# Importieren Sie die CLF () -Methode, um ein anderes Diagramm im selben Diagrammfenster zu zeichnen
PLT.CLF ()
# Dummy -Datensatz von Numpy
x_values ​​= np.Arange (0,10,1)
y_values ​​= np.willkürlich.Normal (loc = 2, Skala = 0.5, Größe = 10)
PLT.bar (x_values, y_values)
# ZIP schließt sich zu X- und Y -Koordinaten in Paaren an
Für x, y in ZIP (x_Values, y_values):
Label = ":.3f ".Format (y)
PLT.Annotate (Etikett, # Dies ist der Wert, den wir kennzeichnen möchten (Text)
(x, y), # x und y ist der Punktpunkt, an dem wir kennzeichnen müssen
textCoords = "Offset -Punkte",
xytext = (0,10), # Dies für den Abstand zwischen den Punkten
# und das Textetikett
ha = 'Mitte' ',
ArrowProps = dict (arrowStyle = "->", color = 'schwarz'))
PLT.zeigen()

Der obige Annotationscode entspricht der Annotation von Zeilengrafik. Die Änderung, die wir in Zeile 14 vorgenommen haben.

Zeile 14: Dies ist die Zeile, in der wir uns verändert haben. Jetzt rufen wir die Balkenfunktion auf und übergeben die X- und Y -Daten in diese.

Ausgang: Python Annotation_BAR_GRAPH.py

5. Textanschlag (Matplotlib.Pyplot.Annotate ()) für das Streudiagramm -Diagramm

Wir können dem Streudiagramm der Matplotlib auch Textanmerkungen hinzufügen.

# Annotation_Scatter_Plot.py
# Importieren Sie die erforderlichen Pakete
Matplotlib importieren.Pyplot als PLT
Numph als NP importieren
# Importieren Sie die CLF () -Methode, um ein anderes Diagramm im selben Diagrammfenster zu zeichnen
PLT.CLF ()
# Dummy -Datensatz von Numpy
x_values ​​= np.Arange (0,10,1)
y_values ​​= np.willkürlich.Normal (loc = 2, Skala = 0.5, Größe = 10)
PLT.Streuung (x_Values, y_values)
# ZIP schließt sich zu X- und Y -Koordinaten in Paaren an
Für x, y in ZIP (x_Values, y_values):
Label = ":.3f ".Format (y)
PLT.Annotate (Etikett, # Dies ist der Wert, den wir kennzeichnen möchten (Text)
(x, y), # x und y ist der Punktpunkt, an dem wir kennzeichnen müssen
textCoords = "Offset -Punkte",
xytext = (0,10), # Dies für den Abstand zwischen den Punkten
# und das Textetikett
ha = 'Mitte' ',
ArrowProps = dict (arrowStyle = "->", color = 'schwarz'))
PLT.zeigen()

Der obige Annotationscode entspricht der Annotation von Zeilengrafik. Die Änderung, die wir in Zeile 14 vorgenommen haben.

Zeile 14: Dies ist die Zeile, in der wir uns verändert haben. Jetzt rufen wir die Streufunktion auf und übergeben die X- und Y -Daten in diese.

Ausgang: Python Annotation_Scatter_Plot.py

6. Legende (Etikett)

Wenn wir unterschiedliche Kategorien -Datensatz haben und in derselben Grafik zeichnen möchten, müssen wir eine Notation benötigen, um zu unterscheiden, welche Kategorie zu welcher Kategorie gehört. Das kann mit der Legende wie unten gezeigt gelöst werden.

# use_legand_labels.py
# Importieren Sie die erforderliche Bibliothek
Matplotlib importieren.Pyplot als PLT
Daten # x und y Daten
numberofemp_a = [13, 200, 250, 300, 350, 400]
numberofemp_b = [10, 100, 150, 200, 250, 800]
Jahr = [2011, 2012, 2013, 2014, 2015, 2016]
# Diagramm eine Zeilendiagramm
PLT.Plot (Jahr, numberofemp_a, marker = 'd', mfc = 'grün', mec = 'gelb', ms = '7')
PLT.Plot (Jahr, numberofemp_b, marker = 'o', mfc = 'red', mec = 'green', ms = '7')
# Label-Name des X-Achse-Titels festlegen
PLT.xlabel ("Jahr")
# Label-Name des X-Achse-Titels festlegen
PLT.Ylabel ("Anzahl der Mitarbeiter")
# Label Name des Diagrammtitels festlegen
PLT.Titel ("Anzahl des Wachstums der Mitarbeiter des Mitarbeiters"))
PLT.Legende (['numberofemp_a', 'numberofemp_b'])
PLT.zeigen()

Zeile 7 bis 8: Wir haben zwei Datenlisten numberofemp_a und numberofemp_b für die x-Achse erstellt. Aber sowohl A als auch B haben die gleichen y-Achsenwerte. In diesem Diagramm teilen wir also die x-Achse nur, weil die Skala der y-Achse für A und B gleich ist.

Zeile 12 bis 13: Wir haben gerade eine weitere Plotfunktion mit verschiedenen Parametern hinzugefügt.

Zeile 16 bis 22: Wir haben Etiketten für die Grafik hinzugefügt.

Zeile 24: Wir haben die Legende für diese beiden Kategorien erstellt, damit zwei verschiedene Kategorien in derselben Grafik leicht unterschieden werden können.

Ausgang: Python using use_legand_labels.py

Abschluss

In diesem Artikel haben wir verschiedene Methoden gesehen, die wir für die Etikettendiagramme verwenden können. Wir haben auch gesehen. Dann haben wir die Legend -Funktion gesehen, um verschiedene Kategorien in derselben Grafik zu unterscheiden.