在Matplotlib图表中标注Pandas数据框的数据点|极客教程

在Matplotlib图表中标注Pandas数据框的数据点

参考： Annotating points from a Pandas Dataframe in Matplotlib plot

在数据可视化的过程中，标注（Annotating）是一种增加图表可读性的有效手段，它可以帮助观众更好地理解数据的具体内容和关键信息。本文将详细介绍如何在使用Matplotlib库进行数据可视化时，从Pandas数据框中标注数据点。我们将通过多个示例展示不同的标注技巧和方法。

基础设置

在开始之前，我们需要确保安装了必要的Python库。主要使用的库是Matplotlib和Pandas。可以通过以下命令安装：

pip install matplotlib pandas

接下来，我们将导入这些库，并进行一些基本的设置。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 设置Matplotlib的显示方式（在Jupyter Notebook中显示图形）
%matplotlib inline

示例1：基本点标注

首先，我们创建一个简单的Pandas数据框，并在散点图中标注每个点。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10),
    'label': [f'Label {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注
for idx, row in data.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']))

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例2：调整标注位置

有时候标注如果直接放在数据点上，可能会导致阅读困难或者标注之间的重叠。我们可以调整标注的位置来优化显示效果。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10),
    'label': [f'Label {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注，调整位置
for idx, row in data.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例3：使用箭头指向数据点

在某些情况下，使用箭头指向数据点可以使标注更加清晰。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10),
    'label': [f'Label {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注，使用箭头
for idx, row in data.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), arrowprops=dict(arrowstyle="->", connectionstyle="arc3"))

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例4：自定义标注样式

Matplotlib允许用户自定义标注的字体、颜色等样式，以适应不同的视觉需求。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10),
    'label': [f'Label {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注，自定义样式
for idx, row in data.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), fontsize=9, color='red', backgroundcolor='yellow')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例5：标注数值型数据

除了标注文本外，有时我们需要在图表中直接标注数值。这在展示具体数据点的具体数值时非常有用。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10) * 100,  # 生成0-100之间的数值
    'label': [f'{i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注，标注数值
for idx, row in data.iterrows():
    plt.annotate(f'{row["y"]:.2f}', (row['x'], row['y']), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例6：在条形图中标注数据

标注不仅限于散点图，我们也可以在条形图等其他类型的图表中添加标注。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'category': [f'Category {i} - how2matplotlib.com' for i in range(5)],
    'values': np.random.rand(5) * 100
})

# 绘制条形图
plt.bar(data['category'], data['values'])

# 添加标注
for idx, row in data.iterrows():
    plt.annotate(f'{row["values"]:.2f}', (idx, row['values']), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例7：在折线图中标注数据

折线图是展示趋势变化的常用图表类型，我们同样可以在其中添加标注。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10).cumsum(),  # 累积和，模拟股价变化
    'label': [f'Point {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制折线图
plt.plot(data['x'], data['y'], marker='o')

# 添加标注
for idx, row in data.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例8：在多系列图中标注数据

当图表中有多个数据系列时，正确的标注可以帮助区分不同的系列。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data1 = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10) * 100,
    'label': [f'Series 1 - {i} - how2matplotlib.com' for i in range(10)]
})
data2 = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10) * 100,
    'label': [f'Series 2 - {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制两个系列的散点图
plt.scatter(data1['x'], data1['y'], color='blue')
plt.scatter(data2['x'], data2['y'], color='green')

# 添加标注
for idx, row in data1.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), textcoords="offset points", xytext=(0,10), ha='center', color='blue')
for idx, row in data2.iterrows():
    plt.annotate(row['label'], (row['x'], row['y']), textcoords="offset points", xytext=(0,-15), ha='center', color='green')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例9：在饼图中标注百分比

饼图是表示部分与整体关系的图表类型，标注百分比可以直观地显示每个部分的比重。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.Series(np.random.rand(4), index=[f'Part {i} - how2matplotlib.com' for i in range(4)])

# 绘制饼图
plt.pie(data, labels=data.index, autopct='%1.1f%%')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例10：使用不同的标注对齐方式

标注的对齐方式可以根据图表的布局和数据点的位置进行调整，以提高可读性和美观性。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.DataFrame({
    'x': range(10),
    'y': np.random.rand(10),
    'label': [f'Label {i} - how2matplotlib.com' for i in range(10)]
})

# 绘制散点图
plt.scatter(data['x'], data['y'])

# 添加标注，使用不同的对齐方式
for idx, row in data.iterrows():
    if idx % 2 == 0:
        align = 'right'
    else:
        align = 'left'
    plt.annotate(row['label'], (row['x'], row['y']), ha=align)

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例11：在直方图中标注数据

直方图是展示数据分布的常用图表类型，我们可以在直方图的每个柱状条上标注数据的具体数值。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.Series(np.random.randn(1000))

# 绘制直方图
count, bins, ignored = plt.hist(data, 30, density=True)

# 添加标注
for b, c in zip(bins, count):
    plt.annotate(f'{c:.2f}', (b, c), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例12：在箱形图中标注异常值

箱形图用于展示数据的分布情况，包括中位数、四分位数和异常值。我们可以特别标注出异常值。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
data = pd.Series(np.random.randn(100) * 10 + 50)

# 绘制箱形图
plt.boxplot(data)

# 计算异常值
Q1 = data.quantile(0.25)
Q3 = data.quantile(0.75)
IQR = Q3 - Q1
outliers = data[(data < Q1 - 1.5 * IQR) | (data > Q3 + 1.5 * IQR)]

# 标注异常值
for outlier in outliers:
    plt.annotate('Outlier', (1, outlier), textcoords="offset points", xytext=(0,-10), ha='center', color='red')

plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例13：在堆叠条形图中标注数据

堆叠条形图可以显示多个系列数据的累积效应，我们可以在每个条形上标注各部分的数据值。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
index = [f'Group {i} - how2matplotlib.com' for i in range(4)]
data1 = pd.Series(np.random.rand(4) * 100, index=index)
data2 = pd.Series(np.random.rand(4) * 100, index=index)

# 绘制堆叠条形图
plt.bar(index, data1, label='Series 1')
plt.bar(index, data2, bottom=data1, label='Series 2')

# 添加标注
for i, (val1, val2) in enumerate(zip(data1, data2)):
    plt.annotate(f'{val1:.2f}', (i, val1/2), ha='center', color='white')
    plt.annotate(f'{val2:.2f}', (i, val1 + val2/2), ha='center', color='white')

plt.legend()
plt.show()

Output:

在Matplotlib图表中标注Pandas数据框的数据点

示例14：在面积图中标注数据

面积图是显示时间序列数据的有效图表类型，我们可以在关键点上标注数据值。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 创建数据
x = pd.date_range(start='1/1/2020', periods=100)
y = np.cumsum(np.random.randn(100))

# 绘制面积图
plt.fill_between(x, y, color="skyblue", alpha=0.4)
plt.plot(x, y, color="Slateblue", alpha=0.6)

# 添加标注
key_points = [10, 30, 60, 90]
for kp in key_points:
    plt.annotate(f'{y[kp]:.2f}', (x[kp], y[kp]), textcoords="offset points", xytext=(0,10), ha='center')

plt.show()