Matplotlib坐标刻度、标签、图例、标题

Matplotlib 文本与注记系统：刻度格式化、富文本标题、高级图例与箭头标注 annotate

小象实战讲义 · Python数据分析实战

一幅优秀的可视化作品不仅需要精准的数据几何呈现，更依赖于清晰、详实的文本注记（Annotation）来向读者解读关键数据节点（如“历史最高峰值”、“产品发布日拐点”、“业务熔断阈值”）。Matplotlib 拥有极其强大的文本注记子系统：涵盖多层级图表标题、坐标轴自定义刻度格式化器（FuncFormatter）、多列分栏图例（Legend）以及带有专业指向箭头的 annotate() 标注。本节我们将全面掌握图表文本排版与智能注记系统。

💡 核心导读

• 坐标刻度与格式化器（Tick Formatters）：使用 ticker.FuncFormatter 将纯数字格式化为货币（¥12.5k）、百分比或日期。
• 高级图例配置（Legend）：位置定位（loc、bbox_to_anchor）、分栏排布（ncol）与半透明阴影边框。
• 箭头标注 ax.annotate() 核心语法：
  • xy=(x, y)：被指向的目标数据点坐标；
  • xytext=(tx, ty)：文本说明内容的显示位置；
  • arrowprops=dict(...)：箭头的弯曲度（arc3）、粗细、颜色与样式。

1. 坐标轴刻度高级格式化与图例定制

通过 matplotlib.ticker 可以将坐标轴上的枯燥数字转为符合业务规范的格式：

┌─────────────────────────────────────────────────────────────┐
│                 坐标轴与图例高级排版拓扑                    │
├─────────────────────────────────────────────────────────────┤
│ 1. 主标题 (Title) + 副标题 (Subtitle)                       │
│ 2. 坐标刻度格式化 (0.25 ──► '25.0%')                        │
│ 3. 悬浮多列图例 (ncol=2, bbox_to_anchor 灵活锚定)           │
│ 4. 关键拐点箭头标注 (annotate 曲线极值指向)                 │
└─────────────────────────────────────────────────────────────┘

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
import numpy as np

# 解决中文显示
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 1. 准备月度营收数据
months = np.arange(1, 13)
revenue = [120, 135, 160, 180, 210, 350, 280, 290, 310, 330, 420, 480] # 6月年中大促, 12月年末冲刺

fig, ax = plt.subplots(figsize=(9, 5))
ax.plot(months, revenue, color="#2980b9", lw=2.5, marker="o", label="2024年实际月度营收")

# 2. 格式化 Y 轴刻度为 "¥XXX 万元"
def currency_formatter(x, pos):
    return f"¥{int(x)}万"

ax.yaxis.set_major_formatter(ticker.FuncFormatter(currency_formatter))
ax.set_xticks(months)
ax.set_xticklabels([f"{m}月" for m in months])

# 3. 配置双标题
ax.set_title("某企业 2024 年度各月销售营收与大促节点分析", fontsize=14, pad=15)
ax.set_xlabel("自然月份", fontsize=11)
ax.set_ylabel("月度总营收", fontsize=11)
ax.grid(True, linestyle="--", alpha=0.5)
ax.legend(loc="upper left")

2. 使用 annotate 标注关键业务拐点

通过 ax.annotate() 可以精确为 6 月年中大促与 12 月历史最高纪录打上醒目的箭头注释。

# 4. 为 6 月峰值添加箭头标注
ax.annotate(
    "618 年中大促 (突破 350 万)",
    xy=(6, 350),                   # 箭头指向的目标点
    xytext=(3.5, 390),             # 文本所在位置
    arrowprops=dict(facecolor="#e74c3c", shrink=0.08, width=1.5, headwidth=8),
    fontweight="bold", color="#c0392b"
)

# 5. 为 12 月峰值添加折角箭头标注
ax.annotate(
    "年终冲刺创历史新高 (480万)",
    xy=(12, 480),
    xytext=(9, 440),
    arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=-0.2", color="#27ae60", lw=2),
    fontweight="bold", color="#27ae60"
)

plt.savefig("annotate_demo.png", bbox_inches="tight")
plt.close(fig)

import os
if os.path.exists("annotate_demo.png"): os.remove("annotate_demo.png")
print("✅ 高级文本格式化与箭头标注完成！")

📝 动手练一练

1. 概念思考题：在 ax.annotate() 中，参数 xy 与 xytext 的根本区别是什么？

   👉 点击查看参考答案

   参考答案：

   • xy：代表被标注的目标数据点的真实坐标（即箭头针尖所指的实际数据位置）；
   • xytext：代表文字说明框放置的坐标位置（即说明文字的锚定坐标）。系统会自动在两者之间绘制带样式的连接箭头。

2. 编程练习：编写代码在图表的坐标点 (5, 100) 处添加一个红色的文本标签 'Target Point'。

   👉 点击查看参考答案

   参考答案：

   import matplotlib.pyplot as plt
   fig, ax = plt.subplots()
   ax.text(5, 100, "Target Point", color="red", fontsize=12, fontweight="bold")
   plt.close(fig)

本章小结

• 掌握了利用 FuncFormatter 对坐标轴刻度进行业务化格式化（货币/百分比）的方法；
• 深入掌握了 ax.annotate() 结合不同 arrowprops 样式标注关键商业极值点的技能；
• 具备了产出达到印刷级、报告级图表文本排版的能力。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《统计可视化利器：Seaborn 框架介绍与主题美化》！

—— 小象教研组