当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

参考：matplotlib scatter label points

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）是一种常用的可视化方式，用于展示两个变量之间的关系。在实际应用中，我们经常需要为散点图中的数据点添加标签，以便更好地解释和分析数据。本文将详细介绍如何使用Matplotlib为散点图中的数据点添加标签，包括基本方法、自定义样式、避免重叠等进阶技巧。

1. 基本的散点图标注方法

在Matplotlib中，我们可以使用plt.scatter()函数绘制散点图，然后使用plt.annotate()函数为数据点添加标签。下面是一个简单的示例：

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, 5, 3])
labels = ['A', 'B', 'C', 'D', 'E']

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

# 为每个点添加标签
for i, label in enumerate(labels):
    plt.annotate(f'{label} (how2matplotlib.com)', (x[i], y[i]), xytext=(5, 5), textcoords='offset points')

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

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，我们首先创建了一个散点图，然后使用循环遍历每个数据点，为其添加标签。plt.annotate()函数的第一个参数是要显示的文本，第二个参数是标注的位置（即数据点的坐标），xytext参数指定了标签相对于数据点的偏移量。

2. 自定义标签样式

我们可以通过调整plt.annotate()函数的参数来自定义标签的样式，包括字体、颜色、大小等。以下是一个更加丰富的示例：

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(10)
y = np.random.rand(10)
labels = [f'Point {i+1}' for i in range(10)]

plt.figure(figsize=(10, 8))
scatter = plt.scatter(x, y, c=np.random.rand(10), s=100, cmap='viridis')

for i, label in enumerate(labels):
    plt.annotate(f'{label} (how2matplotlib.com)', (x[i], y[i]),
                 xytext=(10, 10),
                 textcoords='offset points',
                 fontsize=8,
                 color='red',
                 bbox=dict(boxstyle='round,pad=0.5', fc='yellow', alpha=0.5),
                 arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=0'))

plt.colorbar(scatter)
plt.title('Customized Scatter Plot with Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，我们使用了更多的参数来自定义标签的外观：

  • fontsize：设置字体大小
  • color：设置文本颜色
  • bbox：为标签添加背景框
  • arrowprops：添加从标签指向数据点的箭头

这些自定义选项可以帮助我们创建更加美观和信息丰富的散点图。

3. 避免标签重叠

当数据点较多或分布密集时，标签可能会相互重叠，影响可读性。为了解决这个问题，我们可以使用一些技巧来调整标签的位置。以下是一个使用adjustText库来自动调整标签位置的示例：

import matplotlib.pyplot as plt
import numpy as np
from adjustText import adjust_text

x = np.random.rand(20)
y = np.random.rand(20)
labels = [f'Point {i+1}' for i in range(20)]

plt.figure(figsize=(12, 9))
plt.scatter(x, y)

texts = []
for i, label in enumerate(labels):
    texts.append(plt.text(x[i], y[i], f'{label} (how2matplotlib.com)'))

adjust_text(texts, arrowprops=dict(arrowstyle='->', color='red'))

plt.title('Scatter Plot with Non-overlapping Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

在这个示例中，我们使用adjustText库的adjust_text()函数来自动调整标签的位置，以避免重叠。这个库会尝试移动标签，使它们不会相互遮挡，同时保持与对应数据点的连接。

4. 选择性标注

有时候，我们可能只想标注部分重要的数据点，而不是所有点。以下是一个根据某些条件选择性标注的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(50)
y = np.random.rand(50)
values = np.random.randint(0, 100, 50)

plt.figure(figsize=(12, 9))
scatter = plt.scatter(x, y, c=values, s=100, cmap='viridis')

for i, value in enumerate(values):
    if value > 80:  # 只标注值大于80的点
        plt.annotate(f'High: {value} (how2matplotlib.com)', (x[i], y[i]),
                     xytext=(5, 5),
                     textcoords='offset points',
                     fontsize=8,
                     bbox=dict(boxstyle='round,pad=0.5', fc='white', ec='red', alpha=0.8))

plt.colorbar(scatter, label='Value')
plt.title('Scatter Plot with Selective Labeling')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，我们只为值大于80的数据点添加了标签。这种方法可以帮助我们突出显示重要的数据点，而不会使图表变得过于拥挤。

5. 使用图例代替直接标注

对于某些类型的数据，使用图例（legend）而不是直接在点上标注可能更合适。以下是一个使用图例来标识不同类别数据点的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
categories = ['A', 'B', 'C']
colors = ['red', 'green', 'blue']
data = {cat: (np.random.rand(20), np.random.rand(20)) for cat in categories}

plt.figure(figsize=(10, 8))

for cat, color in zip(categories, colors):
    x, y = data[cat]
    plt.scatter(x, y, c=color, label=f'{cat} (how2matplotlib.com)', alpha=0.7)

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

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例展示了如何使用不同的颜色来表示不同类别的数据点，并使用图例来解释各个类别。这种方法特别适合于分类数据的可视化。

6. 交互式标签

对于大量数据点，我们可以考虑使用交互式标签，只有当鼠标悬停在数据点上时才显示标签。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

np.random.seed(42)
x = np.random.rand(100)
y = np.random.rand(100)
labels = [f'Point {i+1}' for i in range(100)]

fig, ax = plt.subplots(figsize=(12, 9))
scatter = ax.scatter(x, y)

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]]} (how2matplotlib.com)"
    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('Interactive Scatter Plot Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例创建了一个交互式散点图，当鼠标悬停在数据点上时，会显示该点的标签。这种方法特别适合于数据点非常多的情况，可以保持图表的整洁性，同时仍然提供详细信息。

7. 3D散点图标注

Matplotlib也支持3D散点图的绘制和标注。以下是一个3D散点图标注的示例：

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

fig = plt.figure(figsize=(12, 9))
ax = fig.add_subplot(111, projection='3d')

n = 20
xs = np.random.rand(n)
ys = np.random.rand(n)
zs = np.random.rand(n)
colors = np.random.rand(n)

scatter = ax.scatter(xs, ys, zs, c=colors, s=50)

for i in range(n):
    label = f'Point {i+1} (how2matplotlib.com)'
    ax.text(xs[i], ys[i], zs[i], label, fontsize=8)

ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
ax.set_title('3D Scatter Plot with Labels')

plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例展示了如何在3D空间中创建散点图并为每个点添加标签。在3D图中，标签的位置会自动调整以保持可读性。

8. 使用不同形状和大小

除了颜色，我们还可以使用不同的形状和大小来区分数据点，并相应地调整标签。以下是一个综合使用这些特性的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
categories = ['A', 'B', 'C']
shapes = ['o', 's', '^']
sizes = [50, 100, 150]
data = {cat: (np.random.rand(10), np.random.rand(10)) for cat in categories}

plt.figure(figsize=(12, 9))

for cat, shape, size in zip(categories, shapes, sizes):
    x, y = data[cat]
    scatter = plt.scatter(x, y, marker=shape, s=size, label=f'{cat} (how2matplotlib.com)', alpha=0.7)

    for i in range(len(x)):
        plt.annotate(f'{cat}{i+1}', (x[i], y[i]),
                     xytext=(5, 5),
                     textcoords='offset points',
                     fontsize=8,
                     bbox=dict(boxstyle='round,pad=0.5', fc='white', ec='gray', alpha=0.8))

plt.legend()
plt.title('Scatter Plot with Different Shapes, Sizes, and Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，我们为不同类别的数据点使用了不同的形状和大小，并为每个点添加了标签。这种方法可以在一个图表中传达多个维度的信息。

9. 标签旋转和对齐

有时，为了避免标签重叠或提高可读性，我们可能需要旋转标签或调整其对齐方式。以下是一个展示这些技巧的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(15)
y = np.random.rand(15)
labels = [f'Label {i+1}' for i in range(15)]

plt.figure(figsize=(12, 9))
plt.scatter(x, y)

for i, (xi, yi, label) in enumerate(zip(x, y, labels)):
    angle = np.random.randint(-45, 45)
    alignment = ['left', 'center', 'right'][i % 3]

    plt.annotate(f'{label} (how2matplotlib.com)', (xi, yi),
                 xytext=(5, 5),
                 textcoords='offset points',
                 fontsize=8,
                 rotation=angle,
                 ha=alignment,
                 va='bottom',
                 bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='gray', alpha=0.8))

plt.title('Scatter Plot with Rotated and Aligned Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例展示了如何使用不同的角度和对齐方式来放置标签。通过旋转和调整对齐，我们可以在有限的空间内更好地排布标签。

10. 使用文本框和连接线

对于某些复杂的图表，我们可能需要使用文本框和连接线来更清晰地标注数据点。以下是一个使用文本框和连接线的高级标注示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(10)
y = np.random.rand(10)
labels = [f'Point {i+1}' for i in range(10)]

fig, ax = plt.subplots(figsize=(12, 9))
scatter = ax.scatter(x, y, s=100)

for i, (xi, yi, label) in enumerate(zip(x, y, labels)):
    bbox_props = dict(boxstyle="round,pad=0.3", fc="white", ec="gray", lw=2)
    t = ax.text(xi, yi, f"{label} (how2matplotlib.com)", ha="center", va="center",
                bbox=bbox_props, zorder=3)

    # 创建连接线
    ax.annotate("", xy=(xi, yi), xytext=(xi + 0.1, yi + 0.1),
                arrowprops=dict(arrowstyle="-", color="gray", connectionstyle="arc3,rad=0.3"))

plt.title('Scatter Plot with Text Boxes and Connecting Lines')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，我们为每个数据点创建了一个带有背景的文本框，并使用曲线连接线将文本框与数据点连接起来。这种方法可以在图表较为复杂时提供清晰的标注。

11. 动态标签位置调整

在某些情况下，我们可能需要根据数据点的位置动态调整标签的位置，以避免标签超出图表边界或与其他元素重叠。以下是一个动态调整标签位置的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(20)
y = np.random.rand(20)
labels = [f'Point {i+1}' for i in range(20)]

fig, ax = plt.subplots(figsize=(12, 9))
scatter = ax.scatter(x, y)

for i, (xi, yi, label) in enumerate(zip(x, y, labels)):
    # 根据点的位置决定标签的位置
    if xi < 0.5 and yi < 0.5:
        xytext = (5, 5)
        ha = 'left'
        va = 'bottom'
    elif xi >= 0.5 and yi < 0.5:
        xytext = (-5, 5)
        ha = 'right'
        va = 'bottom'
    elif xi < 0.5 and yi >= 0.5:
        xytext = (5, -5)
        ha = 'left'
        va = 'top'
    else:
        xytext = (-5, -5)
        ha = 'right'
        va = 'top'

    ax.annotate(f'{label} (how2matplotlib.com)', (xi, yi),
                xytext=xytext,
                textcoords='offset points',
                fontsize=8,
                ha=ha, va=va,
                bbox=dict(boxstyle='round,pad=0.5', fc='white', ec='gray', alpha=0.8))

plt.title('Scatter Plot with Dynamically Positioned Labels')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例根据数据点在图表中的位置动态调整标签的放置方向，确保标签始终朝向图表的中心，从而避免标签超出图表边界。

12. 使用颜色编码的标签

我们可以使用颜色来编码标签，以传达额外的信息。以下是一个使用颜色编码标签的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(15)
y = np.random.rand(15)
values = np.random.randint(0, 100, 15)

fig, ax = plt.subplots(figsize=(12, 9))
scatter = ax.scatter(x, y, c=values, cmap='viridis', s=100)

for i, (xi, yi, val) in enumerate(zip(x, y, values)):
    color = plt.cm.viridis(val / 100)  # 根据值映射到颜色
    ax.annotate(f'{val} (how2matplotlib.com)', (xi, yi),
                xytext=(5, 5),
                textcoords='offset points',
                fontsize=8,
                color=color,
                weight='bold',
                bbox=dict(boxstyle='round,pad=0.5', fc='white', ec='gray', alpha=0.8))

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

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

在这个示例中，标签的颜色与数据点的颜色相对应，这样可以直观地展示数值的大小关系。

13. 使用自定义标记

有时，我们可能想要使用自定义的标记来标注特定的数据点。以下是一个使用自定义标记的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(20)
y = np.random.rand(20)
importance = np.random.choice(['low', 'medium', 'high'], 20)

fig, ax = plt.subplots(figsize=(12, 9))

# 定义不同重要性级别的标记样式
markers = {'low': 'o', 'medium': 's', 'high': '^'}
colors = {'low': 'green', 'medium': 'blue', 'high': 'red'}

for imp in markers:
    mask = importance == imp
    ax.scatter(x[mask], y[mask], marker=markers[imp], c=colors[imp], label=imp, s=100)

for i, (xi, yi, imp) in enumerate(zip(x, y, importance)):
    if imp == 'high':
        ax.annotate(f'Important (how2matplotlib.com)', (xi, yi),
                    xytext=(5, 5),
                    textcoords='offset points',
                    fontsize=8,
                    color='red',
                    bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='red', alpha=0.8))

plt.legend()
plt.title('Scatter Plot with Custom Markers and Selective Labeling')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例使用不同的标记和颜色来表示数据点的重要性级别，并只为高重要性的点添加标签。

14. 使用箭头标注

在某些情况下，使用箭头可以更清晰地指示特定的数据点。以下是一个使用箭头标注的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
x = np.random.rand(10)
y = np.random.rand(10)

fig, ax = plt.subplots(figsize=(12, 9))
ax.scatter(x, y, s=100)

for i, (xi, yi) in enumerate(zip(x, y)):
    if i % 3 == 0:  # 每隔三个点添加一个箭头标注
        ax.annotate(f'Point {i} (how2matplotlib.com)', (xi, yi),
                    xytext=(xi+0.1, yi+0.1),
                    arrowprops=dict(facecolor='black', shrink=0.05, width=2, headwidth=8),
                    fontsize=8,
                    bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='gray', alpha=0.8))

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

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例为部分数据点添加了带箭头的标注，箭头清晰地指向了被标注的点。

15. 分组标注

当数据点可以分为不同的组时，我们可以使用分组标注来突出显示这种结构。以下是一个分组标注的示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)
groups = ['A', 'B', 'C']
colors = ['red', 'green', 'blue']
data = {group: (np.random.rand(5), np.random.rand(5)) for group in groups}

fig, ax = plt.subplots(figsize=(12, 9))

for group, color in zip(groups, colors):
    x, y = data[group]
    ax.scatter(x, y, c=color, label=group, s=100)

    # 计算每组的平均位置
    mean_x, mean_y = np.mean(x), np.mean(y)

    # 为每组添加一个大的标签
    ax.annotate(f'Group {group} (how2matplotlib.com)', (mean_x, mean_y),
                xytext=(0, 20),
                textcoords='offset points',
                fontsize=12,
                ha='center',
                va='bottom',
                bbox=dict(boxstyle='round,pad=0.5', fc=color, ec='gray', alpha=0.3),
                arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=0'))

plt.legend()
plt.title('Scatter Plot with Group Annotations')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib散点图标注技巧：如何优雅地为数据点添加标签

这个示例为每个组的中心位置添加了一个大的标签，并用箭头指向该组的数据点集合。

总结

本文详细介绍了在Matplotlib中为散点图添加标签的多种方法和技巧。从基本的标注方法到高级的自定义技巧，我们探讨了如何创建信息丰富、美观且易于理解的散点图。这些技巧包括：

  1. 基本的散点图标注
  2. 自定义标签样式
  3. 避免标签重叠
  4. 选择性标注
  5. 使用图例代替直接标注
  6. 交互式标签
  7. 3D散点图标注
  8. 使用不同形状和大小
  9. 标签旋转和对齐
  10. 使用文本框和连接线
  11. 动态标签位置调整
  12. 使用颜色编码的标签
  13. 使用自定义标记
  14. 使用箭头标注
  15. 分组标注

通过灵活运用这些技巧，我们可以根据数据的特点和可视化的目的，创建出既美观又富有信息量的散点图。在实际应用中，可以根据具体需求选择合适的标注方法，或者结合多种技巧来达到最佳的可视化效果。

记住，好的数据可视化不仅要准确地呈现数据，还要让观众能够轻松理解和解读图表。通过恰当的标注，我们可以大大提高散点图的可读性和信息传递效率。在使用这些技巧时，始终要考虑到图表的整体平衡和美观，避免过度标注导致图表变得杂乱。

最后，Matplotlib的强大和灵活性使得我们可以创建出各种复杂和精美的散点图。随着对这些技巧的熟练掌握，你将能够制作出更加专业和有说服力的数据可视化作品。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程