Matplotlib散点图标签：如何优雅地为散点图添加标注|极客教程

Matplotlib散点图标签：如何优雅地为散点图添加标注

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，其中散点图（scatter plot）是一种常用的图表类型。在数据分析和科学研究中，我们经常需要为散点图添加标签，以便更好地解释和展示数据。本文将深入探讨如何使用Matplotlib为散点图添加各种类型的标签，包括点标签、图例标签、轴标签等，以及如何自定义这些标签的样式和位置。

1. Matplotlib散点图基础

在开始为散点图添加标签之前，我们先来回顾一下如何使用Matplotlib创建基本的散点图。散点图通常用于展示两个变量之间的关系，每个点代表一个数据样本。

以下是一个简单的散点图示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(50)
y = np.random.rand(50)

# 创建散点图
plt.figure(figsize=(8, 6))
plt.scatter(x, y)
plt.title('Basic Scatter Plot - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用numpy生成了50个随机数据点，然后使用plt.scatter()函数创建散点图。plt.title()、plt.xlabel()和plt.ylabel()函数用于添加图表标题和轴标签。

2. 为散点图添加点标签

有时候，我们需要为散点图中的每个点添加标签，以提供更多信息。这可以通过plt.annotate()函数实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
labels = ['A', 'B', 'C', 'D', 'E']

# 创建散点图并添加点标签
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

for i, label in enumerate(labels):
    plt.annotate(label, (x[i], y[i]), xytext=(5, 5), textcoords='offset points')

plt.title('Scatter Plot with Point Labels - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用plt.annotate()函数为每个点添加标签。xytext参数指定标签相对于点的偏移量，textcoords='offset points'表示偏移量以点为单位。

3. 自定义点标签样式

我们可以通过设置plt.annotate()的各种参数来自定义点标签的样式，包括字体、颜色、大小等。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 1, 3, 5])
labels = ['A', 'B', 'C', 'D', 'E']

# 创建散点图并添加自定义样式的点标签
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

for i, label in enumerate(labels):
    plt.annotate(label, (x[i], y[i]), 
                 xytext=(10, 10), 
                 textcoords='offset points',
                 fontsize=12,
                 fontweight='bold',
                 color='red',
                 bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='k', alpha=0.7))

plt.title('Scatter Plot with Custom Point Labels - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们设置了标签的字体大小、粗细、颜色，并添加了一个带有圆角和背景色的边框。

4. 添加图例标签

当散点图包含多个数据系列时，添加图例标签可以帮助区分不同的数据组。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x1 = np.random.rand(20)
y1 = np.random.rand(20)
x2 = np.random.rand(20)
y2 = np.random.rand(20)

# 创建散点图并添加图例标签
plt.figure(figsize=(8, 6))
plt.scatter(x1, y1, c='red', label='Group A')
plt.scatter(x2, y2, c='blue', label='Group B')

plt.title('Scatter Plot with Legend - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用label参数为每个散点系列指定标签，然后调用plt.legend()函数显示图例。

5. 自定义图例样式和位置

我们可以通过设置plt.legend()的参数来自定义图例的样式和位置。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x1 = np.random.rand(20)
y1 = np.random.rand(20)
x2 = np.random.rand(20)
y2 = np.random.rand(20)

# 创建散点图并添加自定义样式的图例
plt.figure(figsize=(8, 6))
plt.scatter(x1, y1, c='red', label='Group A')
plt.scatter(x2, y2, c='blue', label='Group B')

plt.title('Scatter Plot with Custom Legend - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend(loc='upper left', 
           fontsize=12, 
           frameon=True, 
           facecolor='lightgray', 
           edgecolor='black',
           title='Data Groups',
           title_fontsize=14)
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们自定义了图例的位置、字体大小、边框、背景色，并添加了图例标题。

6. 为散点图添加颜色标签

有时我们需要使用颜色来表示数据点的某个属性。这可以通过设置散点图的颜色映射（colormap）来实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.rand(50)

# 创建带有颜色标签的散点图
plt.figure(figsize=(8, 6))
scatter = plt.scatter(x, y, c=colors, cmap='viridis')

plt.title('Scatter Plot with Color Labels - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.colorbar(scatter, label='Color Value')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用c参数指定每个点的颜色值，cmap参数设置颜色映射。plt.colorbar()函数添加了一个颜色条，显示颜色值的范围。

7. 添加文本标签到散点图

除了为每个点添加标签，我们还可以在图表的任意位置添加文本标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(30)
y = np.random.rand(30)

# 创建散点图并添加文本标签
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

plt.text(0.5, 0.9, 'Important Region', fontsize=12, ha='center', va='center',
         bbox=dict(boxstyle='round', facecolor='white', edgecolor='red'))

plt.title('Scatter Plot with Text Label - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用plt.text()函数在图表的指定位置添加了一个文本标签。

8. 为散点图添加箭头标注

有时我们需要使用箭头来指向散点图中的特定区域或点。这可以通过plt.annotate()函数的arrowprops参数实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(30)
y = np.random.rand(30)

# 创建散点图并添加箭头标注
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

plt.annotate('Interesting Point', xy=(0.5, 0.5), xytext=(0.7, 0.7),
             arrowprops=dict(facecolor='black', shrink=0.05),
             fontsize=12)

plt.title('Scatter Plot with Arrow Annotation - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用plt.annotate()函数添加了一个带箭头的标注，指向散点图中的一个特定位置。

9. 为散点图添加多行标签

有时我们需要为散点图添加包含多行文本的标签。这可以通过在标签文本中使用换行符\n来实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(30)
y = np.random.rand(30)

# 创建散点图并添加多行标签
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

plt.annotate('Multi-line\nAnnotation\nExample', xy=(0.5, 0.5), xytext=(0.7, 0.7),
             arrowprops=dict(facecolor='black', shrink=0.05),
             fontsize=12, ha='center', va='center')

plt.title('Scatter Plot with Multi-line Annotation - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用\n在标签文本中添加了换行，创建了一个多行标签。

10. 为散点图添加数学公式标签

Matplotlib支持使用LaTeX语法在图表中添加数学公式。这对于科学和工程应用特别有用。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

# 创建散点图并添加数学公式标签
plt.figure(figsize=(8, 6))
plt.scatter(x, y)

plt.annotate(r'y = \sin(x)', xy=(np.pi, 0), xytext=(np.pi+0.5, 0.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             fontsize=14)

plt.title('Scatter Plot with Math Formula Label - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用LaTeX语法 $y = \sin(x)$ 添加了一个数学公式标签。注意使用原始字符串r''来避免反斜杠被解释为转义字符。

11. 为散点图添加自定义标记

除了使用默认的圆点标记，我们还可以为散点图使用自定义的标记样式。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.random.rand(50)
y = np.random.rand(50)

# 创建带有自定义标记的散点图
plt.figure(figsize=(8, 6))
plt.scatter(x, y, marker='*', s=100, c='red', label='Star Marker')
plt.scatter(x+0.1, y+0.1, marker='^', s=100, c='blue', label='Triangle Marker')

plt.title('Scatter Plot with Custom Markers - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用marker参数指定了星形和三角形标记。s参数用于设置标记的大小。

12. 为散点图添加误差条

在某些情况下，我们需要在散点图上显示数据点的误差范围。这可以通过添加误差条来实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 10, 10)
y = np.random.rand(10)
yerr = np.random.rand(10) * 0.1

# 创建带有误差条的散点图
plt.figure(figsize=(8, 6))
plt.errorbar(x, y, yerr=yerr, fmt='o', capsize=5, capthick=2, label='Data with Error')

plt.title('Scatter Plot with Error Bars - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们使用plt.errorbar()函数创建了带有误差条的散点图。yerr参数指定了Y轴方向的误差值，capsize和capthick参数用于设置误差条端点的样式。

13. 为散点图添加趋势线

有时我们需要在散点图上添加趋势线来显示数据的整体趋势。

import matplotlib```python
import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.linspace(0, 10, 50)
y = 2 * x + 1 + np.random.randn(50)

# 创建散点图并添加趋势线
plt.figure(figsize=(8, 6))
plt.scatter(x, y, label='Data Points')

# 计算趋势线
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
plt.plot(x, p(x), "r--", label='Trend Line')

plt.title('Scatter Plot with Trend Line - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.show()

在这个例子中，我们使用np.polyfit()和np.poly1d()函数计算并绘制了一条线性趋势线。

14. 为散点图添加置信椭圆

在某些统计分析中，我们可能需要在散点图上添加置信椭圆来表示数据的分布范围。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Ellipse
import matplotlib.transforms as transforms

def confidence_ellipse(x, y, ax, n_std=3.0, facecolor='none', **kwargs):
    """
    Create a plot of the covariance confidence ellipse of *x* and *y*.
    """
    if x.size != y.size:
        raise ValueError("x and y must be the same size")

    cov = np.cov(x, y)
    pearson = cov[0, 1]/np.sqrt(cov[0, 0] * cov[1, 1])

    ell_radius_x = np.sqrt(1 + pearson)
    ell_radius_y = np.sqrt(1 - pearson)
    ellipse = Ellipse((0, 0), width=ell_radius_x * 2, height=ell_radius_y * 2,
                      facecolor=facecolor, **kwargs)

    scale_x = np.sqrt(cov[0, 0]) * n_std
    mean_x = np.mean(x)

    scale_y = np.sqrt(cov[1, 1]) * n_std
    mean_y = np.mean(y)

    transf = transforms.Affine2D() \
        .rotate_deg(45) \
        .scale(scale_x, scale_y) \
        .translate(mean_x, mean_y)

    ellipse.set_transform(transf + ax.transData)
    return ax.add_patch(ellipse)

# 生成示例数据
np.random.seed(0)
x = np.random.normal(0, 1, 100)
y = np.random.normal(0, 1, 100)

# 创建散点图并添加置信椭圆
fig, ax = plt.subplots(figsize=(8, 6))
ax.scatter(x, y, s=5)

confidence_ellipse(x, y, ax, n_std=1, label='1σ', edgecolor='red')
confidence_ellipse(x, y, ax, n_std=2, label='2σ', edgecolor='green')
confidence_ellipse(x, y, ax, n_std=3, label='3σ', edgecolor='blue')

ax.set_title('Scatter Plot with Confidence Ellipses - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.legend()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们定义了一个confidence_ellipse()函数来计算和绘制置信椭圆，然后在散点图上添加了1σ、2σ和3σ的置信椭圆。

15. 为散点图添加密度等高线

当数据点非常密集时，我们可以添加密度等高线来更好地展示数据分布。

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde

# 生成示例数据
np.random.seed(0)
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)

# 计算密度
xy = np.vstack([x,y])
z = gaussian_kde(xy)(xy)

# 创建散点图并添加密度等高线
fig, ax = plt.subplots(figsize=(8, 6))
scatter = ax.scatter(x, y, c=z, s=50, edgecolor='', cmap='viridis')
plt.colorbar(scatter, label='Density')

# 添加等高线
xi, yi = np.mgrid[x.min():x.max():100j, y.min():y.max():100j]
zi = gaussian_kde(xy)(np.vstack([xi.flatten(), yi.flatten()]))
ax.contour(xi, yi, zi.reshape(xi.shape), levels=5, colors='k', linewidths=0.5)

ax.set_title('Scatter Plot with Density Contours - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
plt.show()

在这个例子中，我们使用scipy.stats.gaussian_kde计算数据点的密度，然后使用plt.contour()函数添加密度等高线。

16. 为散点图添加子图标签

当我们需要在一个图形中展示多个相关的散点图时，添加子图标签可以帮助区分不同的子图。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(0)
data1 = np.random.randn(100, 2)
data2 = np.random.randn(100, 2) + np.array([2, 2])
data3 = np.random.randn(100, 2) + np.array([-2, 2])
data4 = np.random.randn(100, 2) + np.array([2, -2])

# 创建2x2的子图布局
fig, axs = plt.subplots(2, 2, figsize=(12, 12))
fig.suptitle('Multiple Scatter Plots with Subplot Labels - how2matplotlib.com', fontsize=16)

# 绘制散点图并添加子图标签
axs[0, 0].scatter(data1[:, 0], data1[:, 1])
axs[0, 0].set_title('Subplot A')

axs[0, 1].scatter(data2[:, 0], data2[:, 1])
axs[0, 1].set_title('Subplot B')

axs[1, 0].scatter(data3[:, 0], data3[:, 1])
axs[1, 0].set_title('Subplot C')

axs[1, 1].scatter(data4[:, 0], data4[:, 1])
axs[1, 1].set_title('Subplot D')

# 调整子图之间的间距
plt.tight_layout()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们创建了一个2×2的子图布局，每个子图包含一个散点图，并使用set_title()函数为每个子图添加了标签。

17. 为散点图添加动态标签

在某些情况下，我们可能希望只在鼠标悬停在数据点上时显示标签。这可以通过使用Matplotlib的事件处理功能来实现。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(0)
x = np.random.rand(20)
y = np.random.rand(20)
labels = [f'Point {i+1}' for i in range(20)]

# 创建散点图
fig, ax = plt.subplots(figsize=(8, 6))
scatter = ax.scatter(x, y)

# 创建注释对象（初始时不可见）
annot = ax.annotate("", xy=(0,0), xytext=(20,20),textcoords="offset points",
                    bbox=dict(boxstyle="round", fc="w"),
                    arrowprops=dict(arrowstyle="->"))
annot.set_visible(False)

def update_annot(ind):
    pos = scatter.get_offsets()[ind["ind"][0]]
    annot.xy = pos
    text = f"{labels[ind['ind'][0]]}\n({pos[0]:.2f}, {pos[1]:.2f})"
    annot.set_text(text)
    annot.get_bbox_patch().set_alpha(0.4)

def hover(event):
    vis = annot.get_visible()
    if event.inaxes == ax:
        cont, ind = scatter.contains(event)
        if cont:
            update_annot(ind)
            annot.set_visible(True)
            fig.canvas.draw_idle()
        else:
            if vis:
                annot.set_visible(False)
                fig.canvas.draw_idle()

fig.canvas.mpl_connect("motion_notify_event", hover)

plt.title('Scatter Plot with Dynamic Labels - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们定义了update_annot()和hover()函数来处理鼠标悬停事件，并在鼠标悬停在数据点上时显示标签。

18. 为散点图添加分类标签

当散点图中的数据点属于不同的类别时，我们可以使用不同的颜色和标记来区分它们，并添加相应的分类标签。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(0)
n_points = 50
x1 = np.random.rand(n_points)
y1 = np.random.rand(n_points)
x2 = np.random.rand(n_points) + 0.5
y2 = np.random.rand(n_points) + 0.5
x3 = np.random.rand(n_points) - 0.5
y3 = np.random.rand(n_points) + 0.5

# 创建散点图并添加分类标签
fig, ax = plt.subplots(figsize=(8, 6))

ax.scatter(x1, y1, c='red', marker='o', label='Category A')
ax.scatter(x2, y2, c='blue', marker='^', label='Category B')
ax.scatter(x3, y3, c='green', marker='s', label='Category C')

ax.set_title('Scatter Plot with Categorical Labels - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.legend()

plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们为三个不同的类别使用了不同的颜色和标记，并通过label参数和legend()函数添加了分类标签。

19. 为散点图添加数据标签和趋势线标签

有时我们需要在散点图上同时显示数据点的标签和趋势线的方程。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
np.random.seed(0)
x = np.linspace(0, 10, 20)
y = 2 * x + 1 + np.random.randn(20)
labels = [f'P{i+1}' for i in range(20)]

# 创建散点图
fig, ax = plt.subplots(figsize=(10, 6))
scatter = ax.scatter(x, y)

# 添加数据标签
for i, label in enumerate(labels):
    ax.annotate(label, (x[i], y[i]), xytext=(5, 5), textcoords='offset points')

# 添加趋势线
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
ax.plot(x, p(x), "r--")

# 添加趋势线方程
equation = f'y = {z[0]:.2f}x + {z[1]:.2f}'
ax.text(0.05, 0.95, equation, transform=ax.transAxes, fontsize=12,
        verticalalignment='top', bbox=dict(boxstyle='round', facecolor='white', alpha=0.7))

ax.set_title('Scatter Plot with Data Labels and Trend Line - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

plt.tight_layout()
plt.show()

Output:

Matplotlib散点图标签：如何优雅地为散点图添加标注

在这个例子中，我们为每个数据点添加了标签，并在图表的左上角添加了趋势线的方程。

20. 为3D散点图添加标签

Matplotlib也支持创建3D散点图，我们可以为3D散点图添加各种标签。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 生成示例数据
np.random.seed(0)
n = 100
x = np.random.rand(n)
y = np.random.rand(n)
z = np.random.rand(n)
colors = np.random.rand(n)

# 创建3D散点图
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')
scatter = ax.scatter(x, y, z, c=colors, cmap='viridis')

# 添加颜色条
plt.colorbar(scatter, label='Color Value')

# 添加坐标轴标签
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_zlabel('Z-axis')

# 添加标题
ax.set_title('3D Scatter Plot with Labels - how2matplotlib.com')

# 添加文本标签
ax.text(0.5, 0.5, 0.5, "Center Point", color='red')

plt.show()