Matplotlib 如何在热力图上注释文本

在数据可视化中，热力图是一种常见的图形形式，它可以快速地帮助我们发现数据的规律和趋势。在一些情况下，我们希望在热力图上标注一些关键信息，例如数值、标签等，以增强可读性。本文将介绍Matplotlib如何在热力图上注释文本，让你的图形更加生动和直观。

阅读更多：Matplotlib 教程

简单地在热力图上添加注释

首先，我们先使用Matplotlib生成一个简单的热力图。

import matplotlib.pyplot as plt
import numpy as np

# 随机生成数据
np.random.seed(0)
data = np.random.rand(6, 6)

# 绘制热力图
fig, ax = plt.subplots()
im = ax.imshow(data)

plt.show()

运行代码后，我们可以得到一个随机生成的6×6的热力图。

假设我们现在希望在图中标注每个数据点的数值，我们可以简单地使用Matplotlib的annotate函数进行注释。

fig, ax = plt.subplots()
im = ax.imshow(data)

# 在每个数据点上添加注释
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        text = ax.text(j, i, "{:.2f}".format(data[i, j]),
                       ha="center", va="center", color="w")

plt.show()

运行代码后，我们可以得到标注了数值的热力图。

在上述代码中，我们使用了一个双重循环来遍历数据点，并在每个数据点上使用annotate函数添加文本注释。其中，j和i分别代表数据点的列和行索引，"center"参数将注释框的水平和垂直对齐方式设为居中，"{:.2f}".format(data[i, j])表示将数据点的值四舍五入保留两位小数后作为注释文本。

根据数据点大小调整注释字体大小

在实际情况下，不同的数据点可能对应着不同的数值大小，如果我们希望自动调整注释的字体大小，以便更好地显示不同大小的数据点，我们可以将字体大小设置为数据点大小的一定比例。具体实现如下：

fig, ax = plt.subplots()
im = ax.imshow(data)

# 设置注释字体大小
text_kwargs = {"fontsize": 12}
# 获取数据点大小范围
size_min, size_max = np.min(im.get_sizes()), np.max(im.get_sizes())

# 在每个数据点上添加注释
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        text = ax.text(j, i, "{:.2f}".format(data[i, j]),
                       ha="center", va="center", color="w", **text_kwargs)
        # 调整字体大小
        size = im.to_rgba(data[i, j]).flat[-1]
        text.set_fontsize((size - size_min) / (size_max - size_min) * (text_kwargs["fontsize"] * 2))

plt.show()

运行代码后，我们可以得到自适应字体大小的热力图。

在上述代码中，我们使用了im.get_sizes()函数获取数据点的大小范围，并使用im.to_rgba()函数将数据点的颜色转换为RGBA格式，以便根据不同数据点的大小来调整字体大小。具体来说，我们先通过text_kwargs字典设置注释字体大小为12，然后利用下列公式来计算每个数据点注释的字体大小：

$size = \frac{current_size – size_min}{size_max – size_min} \times (2 \times fontsize)$

其中，current_size表示当前数据点的大小，size_min和size_max分别表示数据点大小的最小值和最大值，fontsize是我们事先设置的注释字体大小。通过这样的计算，我们可以将注释的字体大小设为与数据点大小成比例的大小，使得不同大小的数据点都能够清晰地显示注释文本。

自定义注释框的外观

除了字体大小和颜色以外，我们还可以进一步自定义注释框的外观。这里，我们使用Matplotlib中Annotation的bbox参数来控制注释框的样式。例如，我们可以设置注释框为蓝色的圆角矩形，并加入阴影效果。

fig, ax = plt.subplots()
im = ax.imshow(data)

# 设置注释字体大小
text_kwargs = {"fontsize": 12}
# 获取数据点大小范围
size_min, size_max = np.min(im.get_sizes()), np.max(im.get_sizes())

# 自定义注释框外观
bbox_props = dict(boxstyle="round,pad=0.3", fc="b", ec="b", lw=2, alpha=0.8)
# 在每个数据点上添加注释
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        text = ax.text(j, i, "{:.2f}".format(data[i, j]),
                       ha="center", va="center", color="w", **text_kwargs,
                       bbox=bbox_props)
        # 调整字体大小
        size = im.to_rgba(data[i, j]).flat[-1]
        text.set_fontsize((size - size_min) / (size_max - size_min) * (text_kwargs["fontsize"] * 2))

plt.show()

运行代码后，我们可以得到自定义注释框样式的热力图。

在上述代码中，我们使用了bbox_props字典来自定义注释框外观。其中，boxstyle参数控制注释框的形状和样式，pad参数指定注释框和文本之间的间隔，fc和ec分别指定填充色和边框色，lw参数设定边框的线宽，alpha参数指定注释框的透明度。通过调整这些参数，我们可以自定义各种形状和样式的注释框。

总结

本文介绍了如何在Matplotlib中使用annotate函数在热力图上注释文本。我们首先演示了如何简单地添加注释文本，并结合示例代码详细说明了代码实现的过程。接着，我们介绍了如何根据数据点大小动态调整注释字体大小，以及如何自定义注释框的外观。通过本文的介绍，我们可以轻松地实现热力图的注释，并尝试更多有趣的注释效果，提升数据可视化的质量和效果。