当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib柱状图注释：如何在柱状图中添加标注

Matplotlib柱状图注释：如何在柱状图中添加标注

Matplotlib柱状图注释：如何在柱状图中添加标注

参考：How To Annotate Bars in Barplot with Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能，其中柱状图（Bar Plot）是一种常用的图表类型。在数据分析和展示中，为柱状图添加注释可以让图表更加信息丰富、易于理解。本文将详细介绍如何使用Matplotlib在柱状图中添加各种类型的注释，包括文本标签、箭头、形状等，以增强图表的可读性和表现力。

1. 基础柱状图绘制

在开始添加注释之前，我们先来回顾一下如何使用Matplotlib绘制基础的柱状图。柱状图通常用于比较不同类别的数据。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)
plt.title('Basic Bar Plot - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这段代码创建了一个简单的柱状图，包含四个类别和对应的数值。plt.bar()函数是创建柱状图的核心，它接受两个主要参数：类别标签和对应的数值。

2. 在柱子顶部添加数值标签

最常见的注释方式是在每个柱子的顶部添加对应的数值。这可以让读者快速获取精确的数据信息。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.title('Bar Plot with Value Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们遍历每个柱子（bar对象），获取其高度，然后使用plt.text()函数在柱子顶部添加文本。ha='center'和va='bottom'参数用于调整文本的水平和垂直对齐方式。

3. 自定义标签样式

我们可以通过调整文本的各种属性来自定义标签的样式，比如颜色、字体大小、旋转角度等。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom',
             color='red', fontweight='bold', fontsize=12, rotation=45)

plt.title('Bar Plot with Styled Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们为标签文本添加了红色（color='red'）、粗体（fontweight='bold'）、较大字号（fontsize=12）以及45度旋转（rotation=45）的样式。

4. 添加百分比标签

在某些情况下，显示百分比可能比显示原始数值更有意义。我们可以轻松地将数值转换为百分比并显示。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

total = sum(values)
for bar in bars:
    height = bar.get_height()
    percentage = height / total * 100
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{percentage:.1f}%',
             ha='center', va='bottom')

plt.title('Bar Plot with Percentage Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子计算了每个值占总和的百分比，并将其显示在柱子顶部。.1f格式说明符用于将百分比限制为一位小数。

5. 在柱子内部添加标签

有时，将标签放在柱子内部可能更美观或更节省空间，特别是当数值较大时。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [250, 400, 300, 550]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height/2,
             f'{height}',
             ha='center', va='center', color='white', fontweight='bold')

plt.title('Bar Plot with Inside Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们将文本放置在柱子高度的一半处（height/2），并将文本颜色设置为白色以与柱子颜色形成对比。

6. 添加箭头注释

除了简单的文本标签，我们还可以使用箭头注释来强调特定的柱子或数据点。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

max_value = max(values)
max_index = values.index(max_value)

plt.annotate('Highest Value', 
             xy=(max_index, max_value), 
             xytext=(max_index, max_value+10),
             arrowprops=dict(facecolor='black', shrink=0.05),
             ha='center')

plt.title('Bar Plot with Arrow Annotation - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子使用plt.annotate()函数添加了一个指向最高柱子的箭头注释。xy参数指定箭头的目标位置，xytext参数指定文本的位置，arrowprops参数用于自定义箭头的样式。

7. 为不同的柱子添加不同颜色的标签

我们可以根据数据的特征为不同的柱子添加不同颜色的标签，以突出显示某些信息。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

colors = ['green' if value > 35 else 'red' for value in values]

for bar, color in zip(bars, colors):
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom', color=color, fontweight='bold')

plt.title('Bar Plot with Colored Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们根据数值的大小为标签设置不同的颜色。大于35的值使用绿色标签，其他使用红色标签。

8. 添加水平线和注释

有时，我们可能想要在图表中添加一条水平线来表示平均值或阈值，并为其添加注释。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
plt.bar(categories, values)

average = np.mean(values)
plt.axhline(y=average, color='r', linestyle='--')
plt.text(len(categories)-1, average, f'Average: {average:.2f}', 
         ha='right', va='bottom', color='r')

plt.title('Bar Plot with Average Line - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子使用plt.axhline()函数添加了一条表示平均值的水平虚线，并使用plt.text()函数为这条线添加了标签。

9. 在柱子上方添加额外信息

有时我们可能需要在柱子上方显示多行信息，例如数值和增长率。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]
growth_rates = ['+5%', '+10%', '-2%', '+15%']

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar, value, rate in zip(bars, values, growth_rates):
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{value}\n{rate}',
             ha='center', va='bottom')

plt.title('Bar Plot with Multiple Info Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.2)  # Increase y-axis limit to accommodate labels
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们在每个柱子上方显示了两行信息：数值和增长率。使用\n来在文本中添加换行。注意我们增加了y轴的限制以为标签留出空间。

10. 为堆叠柱状图添加标注

堆叠柱状图是另一种常见的图表类型，我们也可以为其添加标注。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values1 = [20, 35, 30, 35]
values2 = [25, 25, 20, 45]

plt.figure(figsize=(10, 6))
bars1 = plt.bar(categories, values1, label='Group 1')
bars2 = plt.bar(categories, values2, bottom=values1, label='Group 2')

def add_labels(bars):
    for bar in bars:
        height = bar.get_height()
        plt.text(bar.get_x() + bar.get_width()/2., bar.get_y() + height/2,
                 f'{height}',
                 ha='center', va='center')

add_labels(bars1)
add_labels(bars2)

plt.title('Stacked Bar Plot with Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子创建了一个堆叠柱状图，并为每个部分添加了标签。我们定义了一个辅助函数add_labels()来简化标签添加过程。

11. 使用不同形状的注释

除了文本和箭头，我们还可以使用其他形状来注释柱状图，比如圆圈或矩形。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

max_value = max(values)
max_index = values.index(max_value)

circle = plt.Circle((max_index, max_value), 0.1, color='red', fill=False)
plt.gca().add_artist(circle)

plt.text(max_index, max_value + 2, 'Highest', ha='center')

plt.title('Bar Plot with Shape Annotation - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.ylim(0, max(values) * 1.2)
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子使用plt.Circle()创建了一个圆圈来标注最高的柱子，并在圆圈上方添加了文本标签。

12. 为负值添加标注

当柱状图包含负值时，我们需要特别注意标签的位置。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, -15, 30, -10]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2.,
             height if height >= 0 else height - 1,
             f'{height}',
             ha='center', va='bottom' if height >= 0 else 'top')

plt.title('Bar Plot with Negative Values - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.axhline(y=0, color='k', linestyle='-', linewidth=0.5)
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们根据值的正负来调整标签的位置。对于负值，我们将标签放在柱子下方，而不是上方。

13. 使用自定义函数来添加标注

为了使代码更加模块化和可重用，我们可以创建一个自定义函数来处理标注的添加。

import matplotlib.pyplot as plt
import numpy as np

def add_value_labels(ax, spacing=5):
    for rect in ax.patches:
        y_value = rect.get_height()
        x_value = rect.get_x() + rect.get_width() / 2

        label = f"{y_value:.2f}"

        va = 'bottom' if y_value >= 0 else 'top'

        ax.annotate(
            label,
            (x_value, y_value),
            xytext=(0, spacing),
            textcoords="offset points",
            ha='center',
            va=va)

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(categories, values)

add_value_labels(ax)

plt.title('Bar Plot with Custom Labeling Function - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子定义了一个add_value_labels函数，它可以自动为柱状图添加数值标签。这个函数可以轻松地应用于不同的图表，提高了代码的复用性。

14. 为分组柱状图添加标注

分组柱状图是比较多个类别across不同组的有效方式。为这种图表添加标注需要稍微复杂一些的计算。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
group1 = [20, 35, 30, 35]
group2 = [25, 32, 34, 20]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width/2, group1, width, label='Group 1')
rects2 = ax.bar(x + width/2, group2, width, label='Group 2')

def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}',
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(rects1)
autolabel(rects2)

ax.set_ylabel('Values')
ax.set_title('Grouped Bar Plot with Labels - how2matplotlib.com')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

fig.tight_layout()
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子创建了一个分组柱状图，并为每个柱子添加了标签。我们定义了一个autolabel函数来处理标签的添加，这使得代码更加整洁和可维护。

15. 添加带背景的标签

为了使标签更加醒目，我们可以为它们添加背景色。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height}',
            ha='center', va='bottom',
            bbox=dict(facecolor='white', edgecolor='none', alpha=0.7, pad=3))

plt.title('Bar Plot with Labels on White Background - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们使用bbox参数为每个标签添加了一个白色的背景框，使标签更加清晰可见。

16. 使用条形图的颜色作为标签颜色

为了使标签与柱子更加协调，我们可以让标签的颜色与柱子的颜色相匹配。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]
colors = ['#FF9999', '#66B2FF', '#99FF99', '#FFCC99']

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, color=colors)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height}',
            ha='center', va='bottom',
            color=bar.get_facecolor(),
            fontweight='bold')

plt.title('Bar Plot with Matching Label Colors - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子中，我们使用bar.get_facecolor()获取每个柱子的颜色，并将其应用到对应的标签上。

17. 添加带有单位的标签

在某些情况下，我们可能需要在标签中包含单位信息。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [2500, 4000, 3000, 5500]

plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values)

for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height:,}',
             ha='center', va='bottom')

plt.title('Bar Plot with Currency Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Sales ()')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子在标签前添加了美元符号，并使用千位分隔符格式化了数值，使其更易读。

18. 为水平柱状图添加标注

水平柱状图在某些情况下可能更适合，尤其是当类别名称较长时。我们也可以为水平柱状图添加标注。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Very Long Category A', 'Extremely Long Category B', 'Long Category C', 'Category D']
values = [25, 40, 30, 55]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.barh(categories, values)

for bar in bars:
    width = bar.get_width()
    ax.text(width, bar.get_y() + bar.get_height()/2,
            f'{width}',
            ha='left', va='center')

plt.title('Horizontal Bar Plot with Labels - how2matplotlib.com')
plt.xlabel('Values')
plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

在这个例子中，我们使用plt.barh()创建水平柱状图，并调整了标签的位置和对齐方式以适应水平布局。

19. 添加带有误差线的标注

当我们的数据包含误差范围时，可以在柱状图上添加误差线，并为其添加标注。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [25, 40, 30, 55]
errors = [2, 3, 4, 5]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, yerr=errors, capsize=5)

for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height} ± {errors[bars.index(bar)]}',
            ha='center', va='bottom')

plt.title('Bar Plot with Error Bars and Labels - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子使用yerr参数添加了误差线，并在标签中包含了误差值。

20. 为堆叠百分比柱状图添加标注

堆叠百分比柱状图可以显示每个类别在总体中的占比，为这种图表添加标注可以提供更详细的信息。

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values1 = [20, 35, 30, 35]
values2 = [25, 25, 20, 45]
values3 = [15, 15, 20, 20]

def to_percent(y):
    return y / y.sum() * 100

y1 = to_percent(np.array(values1))
y2 = to_percent(np.array(values2))
y3 = to_percent(np.array(values3))

fig, ax = plt.subplots(figsize=(10, 6))
bars1 = ax.bar(categories, y1, label='Group 1')
bars2 = ax.bar(categories, y2, bottom=y1, label='Group 2')
bars3 = ax.bar(categories, y3, bottom=y1+y2, label='Group 3')

def add_labels(bars, heights):
    for bar, height in zip(bars, heights):
        ax.text(bar.get_x() + bar.get_width()/2., height/2,
                f'{height:.1f}%',
                ha='center', va='center')

add_labels(bars1, y1)
add_labels(bars2, y2)
add_labels(bars3, y3)

ax.set_ylim(0, 100)
ax.set_ylabel('Percentage')
ax.set_title('Stacked Percentage Bar Plot with Labels - how2matplotlib.com')
ax.legend(loc='upper left', bbox_to_anchor=(1,1))

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图注释：如何在柱状图中添加标注

这个例子创建了一个堆叠百分比柱状图，并为每个部分添加了百分比标签。我们使用to_percent函数将原始数据转换为百分比，并使用add_labels函数为每个部分添加标签。

总结：

本文详细介绍了如何使用Matplotlib在柱状图中添加各种类型的注释。我们探讨了从基本的数值标签到复杂的带背景和颜色的标签，以及如何处理特殊情况如负值、堆叠柱状图和水平柱状图。通过这些技术，我们可以大大提高柱状图的信息量和可读性，使数据可视化更加有效和专业。

在实际应用中，选择合适的注释方式取决于你的数据特征和展示目的。适当的注释可以帮助读者更快速、更准确地理解数据，但过多或不恰当的注释也可能导致图表变得杂乱。因此，在添加注释时要注意平衡信息量和视觉清晰度。

最后，熟练掌握这些技巧将使你能够创建更加丰富、专业的数据可视化，无论是用于数据分析报告、学术论文还是商业演示。随着实践的增加，你将能够更加灵活地运用这些技巧，创造出既美观又富有洞察力的图表。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程