python折线图怎么添加文本标注

要在 Python 中的折线图上添加文本标注，可以使用 Matplotlib 库中的 annotate() 函数。具体步骤如下：

1. 导入 Matplotlib 库

import matplotlib.pyplot as plt

2. 绘制折线图

x = [1, 2, 3, 4, 5]
y = [10, 8, 6, 4, 2]

plt.plot(x, y)

3. 添加文本标注

plt.annotate('lowest point', xy=(3, 4), xytext=(4, 8),
             arrowprops=dict(facecolor='black', shrink=0.05))

在上述代码中，annotate() 函数的第一个参数是要添加的文本内容，第二个参数是要标注的点的坐标（即箭头指向的点），第三个参数是文本要放置的位置，arrowprops 参数用于指定箭头的属性，如颜色、大小等。

完成上述步骤后，就可以在折线图上添加文本标注了。

相关问题

python绘制折线图并标注最大最小值

要绘制折线图并标注最大最小值，可以使用Python中的matplotlib库。以下是一个简单的例子：

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [3, 4, 5, 2, 6]

# 绘制折线图
plt.plot(x, y)

# 标注最大最小值
plt.annotate('max', xy=(x[y.index(max(y))], max(y)), xytext=(-20, 10), textcoords='offset points', arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))
plt.annotate('min', xy=(x[y.index(min(y))], min(y)), xytext=(-20, -20), textcoords='offset points', arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2'))

plt.show()

这个例子中，我们首先定义了x和y的值，然后使用`plt.plot()`函数绘制折线图。接着，我们使用`plt.annotate()`函数标注最大值和最小值。`plt.annotate()`函数的第一个参数是标注文本，第二个参数是标注的坐标，`xytext`参数是文本的偏移量，`textcoords`参数是偏移量的参考坐标系，`arrowprops`参数是箭头的样式。

最后，我们使用`plt.show()`函数显示图形。

python折线图横纵坐标

### 使用Matplotlib创建带有自定义X轴和Y轴的折线图

为了实现这一目标，可以利用 `matplotlib` 库中的多种功能来自定义图形的各种属性。以下是具体方法：

#### 导入必要的库
首先需要导入 `matplotlib.pyplot` 模块以便后续操作。

import matplotlib.pyplot as plt

#### 准备数据集
准备用于绘图的数据点集合，这里假设已经拥有三组不同的时间序列数据作为例子展示。

time_points = [1, 2, 3, 4, 5]  # 时间刻度
expected_angular_velocity = [2, 4, 6, 8, 10]  # 期望角速度指令信号
actual_angular_velocity = [1.9, 3.7, 5.8, 7.6, 9.5]  # 实际角速度信号
heading_angle = [-10, -5, 0, 5, 10]  # 实际航向角信号
special_time_marks = [2, 3, 4]  # 特殊事件的时间标记

#### 创建图形并调整布局比例
通过指定宽度与高度参数控制最终输出图片的比例尺。

fig, ax1 = plt.subplots(figsize=(10, 5))
plt.tight_layout()

#### 添加多条曲线到同一张图表上
对于每种类型的信号采用不同样式进行区分，并且合理安排它们之间的层次关系。

ax1.scatter(time_points, actual_angular_velocity, color='blue', label="Actual Angular Velocity", zorder=1)  # 小圆圈表示实际角速度
ax1.plot(time_points, expected_angular_velocity, 'r-', lw=2, label="Expected Angular Velocity", zorder=2)  # 红色实线表示预期角速度
ax2 = ax1.twinx()  # 新建第二个y轴共享相同的x轴
ax2.plot(time_points, heading_angle, 'g-', lw=2, label="Heading Angle", zorder=3)  # 绿色实线表示航向角度

#### 自定义坐标轴标签及范围
设定两个独立的 Y 轴名称以及 X 轴上的文字说明；同时也可以限定各轴数值区间以确保视觉效果更佳。

ax1.set_xlabel('Time')
ax1.set_ylabel('Angular Velocity (rad/s)', color='black')
ax2.set_ylabel('Heading Angle (degree)', color='green')

# 设定合理的显示界限
ax1.set_ylim([min(actual_angular_velocity)-1, max(expected_angular_velocity)+1])
ax2.set_ylim([-max(abs(heading_angle))-5, max(abs(heading_angle))+5])

for tick in ax1.get_xticklabels():
    tick.set_rotation(45)

#### 插入特殊时刻指示线
针对给定的关键时间节点，在相应位置添加垂直分割线帮助观察者理解重要转折点的位置。

for tm in special_time_marks:
    ax1.axvline(x=tm, linestyle="--", alpha=.5, c="gray")  # 加入灰色虚线标注特定瞬间

#### 完善其他细节部分
最后一步就是加入图例解释各个线条含义，并保存或呈现整个图像文件。

lines, labels = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines + lines2, labels + labels2, loc='upper left')

plt.title("Comparison of Expected and Actual Signals Over Time")
plt.savefig('./customized_line_chart.png', dpi=300, bbox_inches='tight')  # 可选：保存高质量PNG格式的结果图为本地磁盘文件
plt.show()