Matplotlib 中的文本

Matplotlib 具有广泛的文本支持，包括对数学表达式、用于光栅和矢量输出的 truetype 支持、具有任意旋转的新行分隔文本和 Unicode 支持。

因为它直接将字体嵌入到输出文档中，例如对于 postscript 或 PDF，您在屏幕上看到的内容与在硬拷贝中获得的内容一致。FreeType 支持产生非常漂亮的反锯齿字体，即使在小光栅尺寸下也看起来不错。Matplotlib 包含自己的 matplotlib.font_manager（感谢 Paul Barrett），它实现了一个跨平台的、符合 W3C 标准的字体查找算法。

用户可以很好地控制文本属性（字体大小、字体粗细、文本位置和颜色等），并在 rc 文件中设置合理的默认值。最重要的是，对于那些对数学或科学图形感兴趣的人，Matplotlib 实现了大量的 TeX 数学符号和命令，支持在图形中的任何位置使用数学表达式。

基本文本命令

以下命令用于在隐式和显式接口中创建文本（有关权衡的解释，请参阅Matplotlib 应用程序接口 (API)）

隐式 API	显式 API	描述
text	text	在 Axes 的任意位置添加文本。
annotate	annotate	在 Axes 的任意位置添加带有可选箭头的注释。
xlabel	set_xlabel	向 Axes 的 x 轴添加标签。
ylabel	set_ylabel	向 Axes 的 y 轴添加标签。
title	set_title	向 Axes 添加标题。
figtext	text	在 Figure 的任意位置添加文本。
suptitle	suptitle	向 Figure 添加标题。

所有这些函数都会创建并返回一个 Text 实例，可以使用各种字体和其他属性对其进行配置。下面的示例显示了所有这些命令的实际效果，并且在以下部分中提供了更多详细信息。

import matplotlib.pyplot as plt

import matplotlib

fig = plt.figure()
ax = fig.add_subplot()
fig.subplots_adjust(top=0.85)

# Set titles for the figure and the subplot respectively
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
ax.set_title('axes title')

ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')

# Set both x- and y-axis limits to [0, 10] instead of default [0, 1]
ax.axis([0, 10, 0, 10])

ax.text(3, 8, 'boxed italics text in data coords', style='italic',
        bbox={'facecolor': 'red', 'alpha': 0.5, 'pad': 10})

ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)

ax.text(3, 2, 'Unicode: Institut für Festkörperphysik')

ax.text(0.95, 0.01, 'colored text in axes coords',
        verticalalignment='bottom', horizontalalignment='right',
        transform=ax.transAxes,
        color='green', fontsize=15)

ax.plot([2], [1], 'o')
ax.annotate('annotate', xy=(2, 1), xytext=(3, 4),
            arrowprops=dict(facecolor='black', shrink=0.05))

plt.show()

x 轴和 y 轴的标签

通过 set_xlabel 和 set_ylabel 方法可以轻松指定 x 轴和 y 轴的标签。

import matplotlib.pyplot as plt
import numpy as np

x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('Time (s)')
ax.set_ylabel('Damped oscillation (V)')

plt.show()

x 轴和 y 轴标签会自动放置，以便它们清除 x 轴和 y 轴刻度标签。将下面的图与上面的图进行比较，并注意 y 轴标签位于上面一个的左侧。

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1*10000)
ax.set_xlabel('Time (s)')
ax.set_ylabel('Damped oscillation (V)')

plt.show()

如果想移动标签，可以指定 labelpad 关键字参数，其中的值是点（1/72"，与指定字体大小的单位相同）。

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1*10000)
ax.set_xlabel('Time (s)')
ax.set_ylabel('Damped oscillation (V)', labelpad=18)

plt.show()

或者，标签接受所有 Text 关键字参数，包括 position，通过它我们可以手动指定标签位置。这里我们将 xlabel 放在轴的最左侧。请注意，此位置的 y 坐标没有影响 - 要调整 y 位置，我们需要使用 labelpad 关键字参数。

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('Time (s)', position=(0., 1e6), horizontalalignment='left')
ax.set_ylabel('Damped oscillation (V)')

plt.show()

可以通过操作 matplotlib.font_manager.FontProperties 方法，或通过 set_xlabel 的命名关键字参数来更改本教程中的所有标签。

from matplotlib.font_manager import FontProperties

font = FontProperties(family='Times New Roman', style='italic')

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.15, left=0.2)
ax.plot(x1, y1)
ax.set_xlabel('Time (s)', fontsize='large', fontweight='bold')
ax.set_ylabel('Damped oscillation (V)', fontproperties=font)

plt.show()

最后，我们可以在所有文本对象中使用本机 TeX 渲染，并具有多行

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(bottom=0.2, left=0.2)
ax.plot(x1, np.cumsum(y1**2))
ax.set_xlabel('Time (s) \n This was a long experiment')
ax.set_ylabel(r'$\int\ Y^2\ dt\ \ (V^2 s)$')
plt.show()

标题

子图标题的设置方式与标签非常相似，但是有一个 loc 关键字参数可以更改位置和对齐方式（默认值为“center”）。

fig, axs = plt.subplots(3, 1, figsize=(5, 6), tight_layout=True)
locs = ['center', 'left', 'right']
for ax, loc in zip(axs, locs):
    ax.plot(x1, y1)
    ax.set_title('Title with loc at ' + loc, loc=loc)
plt.show()

标题的垂直间距由 rcParams["axes.titlepad"]（默认值：6.0）控制。将其设置为不同的值会移动标题。

fig, ax = plt.subplots(figsize=(5, 3))
fig.subplots_adjust(top=0.8)
ax.plot(x1, y1)
ax.set_title('Vertically offset title', pad=30)
plt.show()

刻度和刻度标签

放置刻度和刻度标签是制作图形的一个非常棘手的问题。Matplotlib 尽力自动完成此任务，但也提供了一个非常灵活的框架来确定刻度位置的选择以及如何标记它们。

术语

坐标轴 对于 ax.xaxis 和 ax.yaxis 具有 matplotlib.axis.Axis 对象，其中包含有关如何在轴中布置标签的信息。

轴 API 在 axis 的文档中详细说明。

轴对象具有主刻度和次刻度。轴具有 Axis.set_major_locator 和 Axis.set_minor_locator 方法，这些方法使用正在绘制的数据来确定主刻度和次刻度的位置。还有 Axis.set_major_formatter 和 Axis.set_minor_formatter 方法用于格式化刻度标签。

简单刻度

通常，简单地定义刻度值（有时定义刻度标签）会很方便，这会覆盖默认的定位器和格式化程序。但是，不建议这样做，因为它会中断绘图的交互式导航。它还可以重置轴的限制：请注意，第二个绘图具有我们要求的刻度，包括在自动视图限制之外的刻度。

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
axs[1].xaxis.set_ticks(np.arange(0., 8.1, 2.))
plt.show()

当然，我们可以事后修复此问题，但这确实突出了硬编码刻度的弱点。此示例还更改了刻度的格式

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
# list comprehension to get all tick labels...
tickla = [f'{tick:1.2f}' for tick in ticks]
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_ticklabels(tickla)
axs[1].set_xlim(axs[0].get_xlim())
plt.show()

刻度定位器和格式化程序

与其列出所有刻度标签，我们可以使用 matplotlib.ticker.StrMethodFormatter (新式 str.format() 格式字符串) 或 matplotlib.ticker.FormatStrFormatter (旧式 '%' 格式字符串)，并将其传递给 ax.xaxis。 也可以通过传递一个 str 来创建 matplotlib.ticker.StrMethodFormatter，而无需显式创建格式化器。

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
ticks = np.arange(0., 8.1, 2.)
axs[1].xaxis.set_ticks(ticks)
axs[1].xaxis.set_major_formatter('{x:1.1f}')
axs[1].set_xlim(axs[0].get_xlim())
plt.show()

当然，我们也可以使用非默认的定位器来设置刻度位置。请注意，我们仍然需要传入刻度值，但上面使用的 x 轴限制修复是不需要的。

fig, axs = plt.subplots(2, 1, figsize=(5, 3), tight_layout=True)
axs[0].plot(x1, y1)
axs[1].plot(x1, y1)
locator = matplotlib.ticker.FixedLocator(ticks)
axs[1].xaxis.set_major_locator(locator)
axs[1].xaxis.set_major_formatter('±{x}°')
plt.show()

默认的格式化器是 matplotlib.ticker.MaxNLocator，其调用方式为 ticker.MaxNLocator(self, nbins='auto', steps=[1, 2, 2.5, 5, 10])。steps 参数包含一个可用于刻度值的倍数列表。在这种情况下，2、4、6 将是可接受的刻度，20、40、60 或 0.2、0.4、0.6 也是如此。但是，3、6、9 将不可接受，因为 3 不在 steps 列表中。

设置 nbins=auto 使用一种算法来确定基于轴长度可以接受多少个刻度。会考虑刻度标签的字体大小，但不会考虑刻度字符串的长度（因为还不知道）。在底部行中，刻度标签非常大，因此我们将 nbins=4 设置为使标签适合右侧的图。

fig, axs = plt.subplots(2, 2, figsize=(8, 5), tight_layout=True)
for n, ax in enumerate(axs.flat):
    ax.plot(x1*10., y1)

formatter = matplotlib.ticker.FormatStrFormatter('%1.1f')
locator = matplotlib.ticker.MaxNLocator(nbins='auto', steps=[1, 4, 10])
axs[0, 1].xaxis.set_major_locator(locator)
axs[0, 1].xaxis.set_major_formatter(formatter)

formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
locator = matplotlib.ticker.AutoLocator()
axs[1, 0].xaxis.set_major_formatter(formatter)
axs[1, 0].xaxis.set_major_locator(locator)

formatter = matplotlib.ticker.FormatStrFormatter('%1.5f')
locator = matplotlib.ticker.MaxNLocator(nbins=4)
axs[1, 1].xaxis.set_major_formatter(formatter)
axs[1, 1].xaxis.set_major_locator(locator)

plt.show()

最后，我们可以使用 matplotlib.ticker.FuncFormatter 为格式化器指定函数。此外，与 matplotlib.ticker.StrMethodFormatter 类似，传递一个函数将自动创建一个 matplotlib.ticker.FuncFormatter。

def formatoddticks(x, pos):
    """Format odd tick positions."""
    if x % 2:
        return f'{x:1.2f}'
    else:
        return ''


fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.plot(x1, y1)
locator = matplotlib.ticker.MaxNLocator(nbins=6)
ax.xaxis.set_major_formatter(formatoddticks)
ax.xaxis.set_major_locator(locator)

plt.show()

日期刻度

Matplotlib 可以接受 datetime.datetime 和 numpy.datetime64 对象作为绘图参数。日期和时间需要特殊的格式化，这通常可以从手动干预中受益。为了提供帮助，日期具有特殊的定位器和格式化器，定义在 matplotlib.dates 模块中。

以下简单示例说明了这个概念。请注意我们如何旋转刻度标签，使其不重叠。

import datetime

fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
base = datetime.datetime(2017, 1, 1, 0, 0, 1)
time = [base + datetime.timedelta(days=x) for x in range(len(x1))]

ax.plot(time, y1)
ax.tick_params(axis='x', rotation=70)
plt.show()

我们可以将格式传递给 matplotlib.dates.DateFormatter。如果两个刻度标签非常靠近，我们可以使用 dates.DayLocator 类，该类允许我们指定要使用的月份中的天数列表。类似的格式化器列在 matplotlib.dates 模块中。

import matplotlib.dates as mdates

locator = mdates.DayLocator(bymonthday=[1, 15])
formatter = mdates.DateFormatter('%b %d')

fig, ax = plt.subplots(figsize=(5, 3), tight_layout=True)
ax.xaxis.set_major_locator(locator)
ax.xaxis.set_major_formatter(formatter)
ax.plot(time, y1)
ax.tick_params(axis='x', rotation=70)
plt.show()

图例和注释

• 图例指南

• 注解