Matplotlib 第四章文字图例尽眉目

一、Figure和Axes上的文本

Matplotlib 提供了两套 API 用于添加文本，功能完全对应，仅调用方式不同：

表格

pyplot API	OO API	功能描述
`text`	`Axes.text()`	在 Axes（子图）的任意坐标位置添加文本
`title`	`Axes.set_title()`	为 Axes 添加标题
`figtext`	`Figure.text()`	在 Figure（画布）的任意位置添加文本（不依赖子图坐标）
`suptitle`	`Figure.suptitle()`	为整个 Figure 添加总标题
`xlabel`	`Axes.set_xlabel()`	为 Axes 的 X 轴添加标签
`ylabel`	`Axes.set_ylabel()`	为 Axes 的 Y 轴添加标签
`annotate`	`Axes.annotate()`	向 Axes 添加带可选箭头的标注（常用于标注数据点）

二、核心函数 `text()` 详解

1. 函数定义

pyplot API ：matplotlib.pyplot.text(x, y, s, fontdict=None, **kwargs)
OO API ：Axes.text(self, x, y, s, fontdict=None, **kwargs)

2. 核心参数

表格

参数	说明
`x, y`	文本放置的坐标（基于 Axes 的数据坐标系）
`s`	要添加的文本内容（支持 LaTeX 数学公式）
`fontdict`	可选字典，用于批量覆盖默认文本样式（如字体、颜色、大小等）
`**kwargs`	单独指定的样式参数，优先级高于 `fontdict`

3. `fontdict` 常用样式参数

表格

参数	说明	可选值 / 示例
`family`	字体类型	`'SimSun'`（华文宋体）、`'Times New Roman'`、`'serif'`、`'sans-serif'` 等
`color`/`c`	字体颜色	`'red'`、`'blue'`、`'purple'`、`'navy'` 等
`weight`/`fontweight`	字体粗细	`'normal'`、`'bold'`、`'light'` 等
`size`/`fontsize`	字体大小	数值（如 `16`）、`'large'`、`'x-large'` 等
`alpha`	透明度	0（完全透明）~ 1（完全不透明）
`backgroundcolor`	文本背景色	同字体颜色可选值
`rotation`	旋转角度	数值（逆时针）、`'vertical'`（90°）、`'horizontal'`（0°）
`ha`/`horizontalalignment`	水平对齐	`'left'`、`'center'`、`'right'`
`va`/`verticalalignment`	垂直对齐	`'top'`、`'center'`、`'bottom'`、`'baseline'`
`bbox`	文本外框	字典，如 `{'boxstyle':'round', 'facecolor':'#fff', 'alpha':0.8}`

三、完整实战代码（可直接运行）

python

运行

复制代码

import numpy as np
import matplotlib.pyplot as plt

# ---------------------- 1. 定义4种字体样式 ----------------------
# 样式1：华文宋体、紫色、16号、0.7透明度
font1 = {
    'family': 'SimSun',
    'alpha': 0.7,
    'color': 'purple',
    'weight': 'normal',
    'size': 16
}

# 样式2：Times New Roman、红色、16号
font2 = {
    'family': 'Times New Roman',
    'color': 'red',
    'weight': 'normal',
    'size': 16
}

# 样式3：衬线字体、蓝色、加粗、14号
font3 = {
    'family': 'serif',
    'color': 'blue',
    'weight': 'bold',
    'size': 14
}

# 样式4：Calibri、藏青色、17号
font4 = {
    'family': 'Calibri',
    'color': 'navy',
    'weight': 'normal',
    'size': 17
}

# ---------------------- 2. 生成数据并绘图 ----------------------
# 定义衰减震荡函数：y = cos(2πx) * exp(-x/3)
x = np.linspace(0.0, 5.0, 100)
y = np.cos(2 * np.pi * x) * np.exp(-x/3)

# 绘制虚线曲线
plt.plot(x, y, '--')

# ---------------------- 3. 添加各类文本标注 ----------------------
# 1. 子图标题
plt.title('震荡曲线', fontdict=font1)

# 2. 在坐标(2, 0.65)处添加数学公式（LaTeX语法）
plt.text(2, 0.65, r'$\cos(2 \pi x) \exp(-x/3)$', fontdict=font2)

# 3. X轴标签
plt.xlabel('Y=time (s)', fontdict=font3)

# 4. Y轴标签
plt.ylabel('X=voltage(mv)', fontdict=font4)

# ---------------------- 4. 调整布局并显示 ----------------------
# 调整左侧边距，避免Y轴标签被截断
plt.subplots_adjust(left=0.15)
plt.show()

四、运行效果解读

代码运行后生成的图表包含以下关键元素：

标题：震荡曲线（紫色华文宋体，位于图表顶部）
数学公式标注 ：cos(2πx)exp(-x/3)（红色 Times New Roman，标注在曲线旁）
坐标轴标签 ：
- X 轴：Y=time (s)（蓝色加粗衬线字体）
- Y 轴：X=voltage(mv)（藏青色 Calibri 字体）
曲线：蓝色虚线，呈现衰减震荡的形态（振幅随 x 增大逐渐减小）

五、关键知识点拓展

1. LaTeX 数学公式支持

Matplotlib 原生支持 LaTeX 语法，只需用 r'$...$' 包裹公式即可渲染，例如：

r'$\alpha$' → α
r'$\sqrt{x^2+y^2}$' → √(x²+y²)
r'$\sum_{i=1}^{n} x_i$' → ∑(i=1 到 n) x_i

2. 坐标系说明

text() 默认使用 数据坐标系 （即 x,y 对应图表的数值坐标）
若要使用相对坐标系 （0-1，基于 Axes/Figure 的比例），可添加参数：
- transform=ax.transAxes（Axes 相对坐标）
- transform=fig.transFigure（Figure 相对坐标）

3. 中文显示问题

若运行代码出现中文乱码，需在代码开头添加以下配置：

python

运行

复制代码

plt.rcParams['font.sans-serif'] = ['SimSun']  # 替换为你的中文字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示异常

六、常见使用场景

表格

场景	推荐 API	示例
子图标题	`title()` / `set_title()`	`plt.title('实验数据', fontsize=18)`
数据点标注	`annotate()`	`plt.annotate('峰值', xy=(1, 1), xytext=(1.2, 1.2), arrowprops=dict(arrowstyle='->'))`
画布总标题	`suptitle()`	`plt.suptitle('2025年实验报告', y=0.98)`
任意位置文本	`text()` / `figtext()`	`plt.figtext(0.5, 0.02, '数据来源：实验室', ha='center')`

七、可直接修改的参数建议

你可以直接修改代码中的以下部分，快速调整样式：

修改字体 ：替换 fontdict 中的 family 值（如 'Microsoft YaHei'、'Arial'）
修改颜色 ：替换 color 值（支持英文、十六进制如 '#FF5733'、RGB 元组）
修改公式位置 ：调整 plt.text() 的 x,y 坐标
添加外框 ：在 fontdict 中添加 'bbox': {'facecolor':'yellow', 'alpha':0.3}
旋转文本 ：添加 'rotation': 45 实现 45° 逆时针旋转

如果你需要，我可以帮你补充 annotate() 箭头标注的详细用法 ，或者优化图表的配色、布局，生成更符合论文 / 报告规范的样式。

Matplotlib 标题 / 坐标轴标签 / 画布文本全解析（附完整代码）

这组资料承接上一节，详细讲解了 Matplotlib 中子图标题、画布文本、总标题、坐标轴标签的用法，包含两种 API、核心参数、实战案例与效果展示，下面是结构化梳理与深度解读。

一、核心 API 速查表

表格

功能	pyplot API	OO API	作用域	核心特点
子图标题	`plt.title()`	`Axes.set_title()`	单个 Axes（子图）	仅作用于当前子图，可控制位置、边距
画布任意文本	`plt.figtext()`	`Figure.text()`	整个 Figure（画布）	基于画布相对坐标 (0-1)，不依赖子图
画布总标题	`plt.suptitle()`	`Figure.suptitle()`	整个 Figure（画布）	专为总标题设计，默认居中置顶
X 轴标签	`plt.xlabel()`	`Axes.set_xlabel()`	单个 Axes（子图）	绑定 X 轴，可控制与轴的距离、对齐方式
Y 轴标签	`plt.ylabel()`	`Axes.set_ylabel()`	单个 Axes（子图）	绑定 Y 轴，可控制与轴的距离、对齐方式

二、各函数详细参数与用法

1. `title()` / `set_title()`：子图标题

函数定义

pyplot API：matplotlib.pyplot.title(label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)
OO API：Axes.set_title(self, label, fontdict=None, loc=None, pad=None, *, y=None, **kwargs)

核心参数

表格

参数	说明	默认值
`label`	标题文本内容	-
`fontdict`	控制标题样式的字典（字体、颜色、大小等）	内置默认样式（继承 rcParams）
`loc`	水平对齐方式	`'center'`，可选`'left'`/`'right'`
`pad`	标题与子图顶部的距离（单位：点）	`6`
`y`	标题在子图内的垂直位置（相对坐标 0-1）	`1`（紧贴子图顶部）
`**kwargs`	额外文本样式（如`rotation`、`backgroundcolor`等）	-

默认`fontdict`样式

python

运行

复制代码

{
    'fontsize': rcParams['axes.titlesize'],
    'fontweight': rcParams['axes.titleweight'],
    'color': rcParams['axes.titlecolor'],
    'verticalalignment': 'baseline',
    'horizontalalignment': loc
}

2. `figtext()` / `Figure.text()`：画布任意位置文本

函数定义

pyplot API：matplotlib.pyplot.figtext(x, y, s, fontdict=None, **kwargs)
OO API：Figure.text(self, x, y, s, fontdict=None, **kwargs)

核心参数

表格

参数	说明
`x, y`	文本在画布上的位置，默认使用画布相对坐标 (0-1)（0 = 左 / 下，1 = 右 / 上）
`s`	要添加的文本内容
`fontdict`	文本样式字典
`**kwargs`	额外样式（如`transform`可切换坐标系）

关键特性

坐标默认是画布相对坐标，不受子图位置影响，适合添加水印、署名、全局说明等。
可通过transform=ax.transAxes切换为子图相对坐标，或transform=ax.transData切换为数据坐标。

3. `suptitle()`：画布总标题

函数定义

pyplot API：matplotlib.pyplot.suptitle(t, **kwargs)
OO API：Figure.suptitle(self, t, **kwargs)

核心参数

表格

参数	说明	默认值
`t`	总标题文本	-
`x, y`	画布相对坐标	`x=0.5`（水平居中），`y=0.95`（靠近画布顶部）
`ha`/`horizontalalignment`	水平对齐	`'center'`
`va`/`verticalalignment`	垂直对齐	`'top'`
`fontsize`/`size`	字体大小	`'large'`（继承 rcParams）
`fontweight`/`weight`	字体粗细	`'normal'`

适用场景

多子图图表的全局总标题，统一整个画布的主题。

4. `xlabel()`/`ylabel()`：坐标轴标签

函数定义

pyplot API：matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)``matplotlib.pyplot.ylabel(ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)
OO API：Axes.set_xlabel(self, xlabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)``Axes.set_ylabel(self, ylabel, fontdict=None, labelpad=None, *, loc=None, **kwargs)

核心参数

表格

参数	说明	默认值
`xlabel`/`ylabel`	坐标轴标签文本	-
`fontdict`	标签样式字典	-
`labelpad`	标签与坐标轴的距离（单位：点）	继承 rcParams
`loc`	标签在轴上的位置	`'center'`，可选`'left'`/`'right'`
`**kwargs`	额外样式（如`rotation`、`fontproperties`等）	-

三、完整实战代码（两种样式设置方式）

资料中给出了两种字体样式设置方法 ：**kwargs直接传参、FontProperties对象配置，以下是完整可运行代码：

python

运行

复制代码

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# ---------------------- 1. 生成衰减震荡数据 ----------------------
x1 = np.linspace(0.0, 5.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)  # 衰减余弦函数

# ---------------------- 2. 用FontProperties配置Y轴标签样式 ----------------------
font = FontProperties()
font.set_family('serif')          # 衬线字体
font.set_name('Times New Roman')  # 具体字体
font.set_style('italic')          # 斜体
font.set_size(14)                 # 字号
font.set_weight('bold')           # 加粗

# ---------------------- 3. 创建画布与子图 ----------------------
fig, ax = plt.subplots(figsize=(5, 3))
# 调整底部和左侧边距，避免标签被截断
fig.subplots_adjust(bottom=0.15, left=0.2)

# ---------------------- 4. 绘制曲线 ----------------------
ax.plot(x1, y1)

# ---------------------- 5. 添加坐标轴标签（两种方式） ----------------------
# 方式1：**kwargs直接传参（X轴标签）
ax.set_xlabel('time [s]', fontsize='large', fontweight='bold', color='#000000')
# 方式2：FontProperties对象配置（Y轴标签）
ax.set_ylabel('Damped oscillation [V]', fontproperties=font)

# ---------------------- 6. 可选：添加子图标题、总标题、画布文本 ----------------------
# 子图标题
ax.set_title('Damped Oscillation Curve', loc='center', pad=10, fontsize=12)
# 画布总标题
fig.suptitle('Experiment Data Report', y=0.98, fontsize=14, fontweight='bold')
# 画布底部添加署名（相对坐标）
plt.figtext(0.5, 0.01, 'Data Source: Lab Test', ha='center', fontsize=10, color='gray')

# ---------------------- 7. 显示图表 ----------------------
plt.show()

四、运行效果解读

代码运行后生成的图表包含以下关键元素：

曲线：蓝色衰减震荡曲线，振幅随时间（x 轴）增大逐渐减小，符合cos(2πx)·exp(-x)的数学特性。
X 轴标签 ：time [s]，采用**kwargs方式设置为大号加粗字体，位于 X 轴底部居中。
Y 轴标签 ：Damped oscillation [V]，采用FontProperties方式设置为Times New Roman 斜体衬线字体，垂直显示在 Y 轴左侧。
（可选）标题与署名：子图标题、全局总标题、画布底部署名，层级清晰，符合学术图表规范。

五、关键知识点拓展

1. 两种字体样式设置方式对比

表格

方式	适用场景	优点	缺点
`**kwargs`直接传参	简单样式、临时修改	代码简洁、直观	样式复用性差，复杂样式代码冗余
`FontProperties`对象	复杂样式、多标签复用	样式统一、可复用、配置灵活	需额外创建对象，代码稍长

2. 中文显示问题解决方案

若运行代码出现中文乱码，在代码开头添加以下配置：

python

运行

复制代码

# 解决中文乱码
plt.rcParams['font.sans-serif'] = ['SimSun', 'Microsoft YaHei']
# 解决负号显示异常
plt.rcParams['axes.unicode_minus'] = False

3. 坐标系统说明

表格

坐标系	适用 API	坐标范围	特点
数据坐标	`ax.text()`	与图表数据范围一致	随缩放、平移变化
子图相对坐标	`ax.text(transform=ax.transAxes)`	0-1（子图左下角为原点）	固定在子图内，不随数据缩放变化
画布相对坐标	`plt.figtext()`	0-1（画布左下角为原点）	固定在画布上，不受子图位置影响

4. 常见样式优化技巧

调整标签边距 ：通过labelpad（坐标轴标签）、pad（标题）避免标签与轴 / 刻度重叠。
旋转标签 ：给xlabel/ylabel添加rotation=45，实现标签斜向显示，适合长文本。
添加背景色 ：给标题 / 标签添加backgroundcolor='#f0f0f0'，突出文本。
多子图总标题 ：用suptitle()统一多子图图表的主题，避免每个子图重复标题。

六、常见使用场景示例

1. 多子图添加总标题

python

运行

复制代码

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(6, 8))
# 绘制子图...
fig.suptitle('2025 Annual Sales Report', y=0.99, fontsize=16, fontweight='bold')

2. 画布添加水印

python

运行

复制代码

plt.figtext(0.5, 0.5, 'Confidential', ha='center', va='center', 
            fontsize=50, color='gray', alpha=0.2, rotation=30)

3. 坐标轴标签斜向显示

python

运行

复制代码

ax.set_xlabel('Long Label Name', rotation=30, ha='right')  # 右对齐避免重叠

`annotate` 标注全解析（附完整可运行代码）

这组资料系统讲解了 Matplotlib 中最强大的标注工具 annotate()，涵盖两种 API、坐标系、箭头样式、连接样式、实战案例，下面是结构化梳理与深度解读。

一、核心函数定义

annotate() 用于在图表中添加带箭头的文本标注，支持 pyplot 和面向对象（OO）两种调用方式：

pyplot API ：matplotlib.pyplot.annotate(text, xy, *args, **kwargs)
OO API ：Axes.annotate(self, text, xy, *args, **kwargs)

二、核心参数详解

1. 基础位置参数

表格

参数	说明
`text`	标注的文本内容（str）
`xy`	被标注点的坐标，格式为 `(float, float)`，坐标系由 `xycoords` 决定
`xytext`	标注文本的坐标，格式为 `(float, float)`，默认与 `xy` 相同

2. 坐标系参数（`xycoords` / `textcoords`）

这是 annotate 最核心的特性，支持多种坐标系，灵活控制标注位置：

`xycoords`（被标注点的坐标系）

表格

属性值	含义
`'data'`	默认值，以数据坐标为参考（与图表刻度一致）
`'figure points'`	以绘图区左下角为参考，单位是点数
`'figure pixels'`	以绘图区左下角为参考，单位是像素数
`'figure fraction'`	以绘图区左下角为参考，单位是百分比（0-1）
`'axes points'`	以子绘图区左下角为参考，单位是点数
`'axes pixels'`	以子绘图区左下角为参考，单位是像素数
`'axes fraction'`	以子绘图区左下角为参考，单位是百分比（0-1）
`'polar'`	使用极坐标系

`textcoords`（标注文本的坐标系）

除支持上述所有值外，额外增加 2 种偏移坐标系：

表格

属性值	含义
`'offset points'`	相对于被注释点 `xy` 的偏移量（单位是点）
`'offset pixels'`	相对于被注释点 `xy` 的偏移量（单位是像素）

3. 箭头样式参数（`arrowprops`）

arrowprops 是字典类型，用于控制箭头的样式、颜色、连接方式等，是 annotate 的灵魂参数。

基础箭头参数（未设置 `arrowstyle` 时可用）

表格

关键字	说明
`width`	箭身的宽度（单位：点）
`headwidth`	箭头头部的宽度（点）
`headlength`	箭头头部的长度（点）
`shrink`	箭头两端收缩的百分比（占总长）

箭头样式（`arrowstyle`）

设置 arrowstyle 后，上述基础参数失效，可直接使用预设样式，常用样式如下：

表格

箭头样式	默认参数	效果
`'-'`	`None`	无箭头直线
`'->'`	`head_length=0.4, head_width=0.2`	标准右箭头
`'<-'`	`head_length=0.4, head_width=0.2`	标准左箭头
`'<->'`	`head_length=0.4, head_width=0.2`	双向箭头
`'fancy'`	`head_length=0.4, head_width=0.4, tail_width=0.4`	fancy 箭头
`'simple'`	`head_length=0.5, head_width=0.5, tail_width=0.2`	简单箭头
`'wedge'`	`tail_width=0.3, shrink_factor=0.5`	楔形箭头

`FancyArrowPatch` 高级参数

表格

关键字	说明
`connectionstyle`	连接线的样式（控制箭头路径的弯曲）
`relpos`	箭头起点相对文本的位置，默认 `(0.5, 0.5)`（文本中心）
`patchA`/`patchB`	箭头起点 / 终点绑定的图形对象
`shrinkA`/`shrinkB`	箭头起点 / 终点的缩进点数，默认 2
`mutation_scale`	箭头大小缩放比例，默认文本尺寸

4. 连接线样式（`connectionstyle`）

用于控制箭头从文本到标注点的路径形状，核心样式如下：

表格

名称	默认参数	说明
`angle`	`angleA=90, angleB=0, rad=0.0`	折线连接，可设置两个角度
`angle3`	`angleA=90, angleB=0`	二次样条折线（3 个控制点）
`arc`	`angleA=0, angleB=0, rad=0.0`	圆弧连接
`arc3`	`rad=0.0`	二次样条圆弧（3 个控制点，最常用）
`bar`	`armA=0.0, armB=0.0, fraction=0.3`	直角折线连接

💡 angle3 和 arc3 中的 3 代表路径由 3 个控制点生成，是平滑的二次曲线。

三、完整实战代码（含多种场景）

1. 基础标注：衰减震荡曲线标注

python

运行

复制代码

import numpy as np
import matplotlib.pyplot as plt

# 生成衰减震荡数据
x = np.arange(0, 10, 0.005)
y = np.exp(-x/2.) * np.sin(2*np.pi*x)

fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(x, y)
ax.set_xlim(0, 10)
ax.set_ylim(-1, 1)

# 标注点坐标 (5, 0)
xdata, ydata = 5, 0
# 转换为屏幕像素坐标
xdisplay, ydisplay = ax.transData.transform_point((xdata, ydata))

# 文本框样式
bbox = dict(boxstyle="round", fc="0.8")
# 箭头样式：-> 箭头，angle 连接
arrowprops = dict(
    arrowstyle = "->",
    connectionstyle = "angle,angleA=0,angleB=90,rad=10")

offset = 72
# 数据坐标标注：相对偏移
ax.annotate(
    f'data = ({xdata:.1f}, {ydata:.1f})',
    (xdata, ydata),
    xytext=(-2*offset, offset), textcoords='offset points',
    bbox=bbox, arrowprops=arrowprops
)

# 屏幕像素坐标标注
ax.annotate(
    f'display = ({xdisplay:.1f}, {ydisplay:.1f})',
    xy=(xdisplay, ydisplay), xycoords='figure pixels',
    xytext=(0.5*offset, -offset), textcoords='offset points',
    bbox=bbox, arrowprops=arrowprops
)

plt.tight_layout()
plt.show()

2. 极坐标标注：螺旋曲线标注

python

运行

复制代码

import numpy as np
import matplotlib.pyplot as plt

# 创建极坐标子图
fig = plt.figure(figsize=(6, 6))
ax = fig.add_subplot(111, polar=True)

# 生成螺旋曲线数据
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
line, = ax.plot(theta, r, color='#ee8d18', lw=3)

# 选择索引800的点进行标注
ind = 800
thisr, thistheta = r[ind], theta[ind]
ax.plot([thistheta], [thisr], 'o')

# 添加标注
ax.annotate(
    'a polar annotation',
    xy=(thistheta, thisr),  # 极坐标：(角度, 半径)
    xytext=(0.05, 0.05),    # 文本位置：画布百分比坐标
    textcoords='figure fraction',
    arrowprops=dict(facecolor='black', shrink=0.05),
    horizontalalignment='left',
    verticalalignment='bottom'
)

plt.tight_layout()
plt.show()

3. 箭头样式与连接样式演示

python

运行

复制代码

import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

# 定义演示函数
def demo_con_style(ax, connectionstyle):
    x1, y1 = 0.3, 0.2
    x2, y2 = 0.8, 0.6
    ax.plot([x1, x2], [y1, y2], ".")
    ax.annotate(
        "",
        xy=(x1, y1), xycoords='data',
        xytext=(x2, y2), textcoords='data',
        arrowprops=dict(
            arrowstyle="->", color="0.5",
            shrinkA=5, shrinkB=5,
            patchA=None, patchB=None,
            connectionstyle=connectionstyle,
        ),
    )
    ax.text(.05, .95, connectionstyle.replace(",", ",\n"),
            transform=ax.transAxes, ha="left", va="top")

# 创建3行5列子图
fig, axs = plt.subplots(3, 5, figsize=(8, 4.8))
# 演示不同连接样式
demo_con_style(axs[0, 0], "angle3,angleA=90,angleB=0")
demo_con_style(axs[1, 0], "angle3,angleA=0,angleB=90")
demo_con_style(axs[0, 1], "arc3,rad=0.")
demo_con_style(axs[1, 1], "arc3,rad=0.3")
demo_con_style(axs[2, 1], "arc3,rad=-0.3")
demo_con_style(axs[0, 2], "angle,angleA=-90,angleB=180,rad=0")
demo_con_style(axs[1, 2], "angle,angleA=-90,angleB=180,rad=5")
demo_con_style(axs[2, 2], "angle,angleA=-90,angleB=10,rad=5")
demo_con_style(axs[0, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=0")
demo_con_style(axs[1, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=5")
demo_con_style(axs[2, 3], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
demo_con_style(axs[0, 4], "bar,fraction=0.3")
demo_con_style(axs[1, 4], "bar,fraction=-0.3")
demo_con_style(axs[2, 4], "bar,angle=180,fraction=-0.2")

# 统一设置子图
for ax in axs.flat:
    ax.set(xlim=(0, 1), ylim=(0, 1), xticks=[], yticks=[], aspect=1)
fig.tight_layout(pad=0.2)
plt.show()

四、运行效果解读

1. 基础标注效果

标注点 (5, 0) 处添加了两个标注：
- 数据坐标标注：基于图表刻度，相对偏移定位，带圆角文本框和箭头。
- 屏幕像素标注：基于画布像素，固定位置，不受图表缩放影响。
箭头采用 angle 连接样式，实现直角转折，清晰指向标注点。

2. 极坐标标注效果

螺旋曲线的指定点（索引 800）添加标注，文本固定在画布左下角（5% 位置）。
箭头自动适配极坐标系，准确指向目标点，两端缩进 5% 避免遮挡。

3. 连接样式效果

15 种不同的连接样式，直观展示了 angle/angle3/arc/arc3/bar 等样式的差异。
可通过调整 rad（弧度）、angleA/angleB（角度）等参数，自定义箭头路径的弯曲程度。

五、关键知识点拓展

1. 坐标系选择指南

表格

场景	推荐坐标系	说明
标注数据点	`'data'`	与数据刻度绑定，缩放图表时标注自动跟随
固定位置标注	`'figure fraction'`	基于画布百分比，不受子图位置、缩放影响
相对偏移标注	`'offset points'`	相对于标注点偏移，适合批量标注
极坐标标注	`'polar'`	自动适配极坐标系统

2. 箭头样式最佳实践

学术图表 ：推荐 arrowstyle='->' + connectionstyle='arc3,rad=0.2'，简洁清晰。
复杂标注 ：使用 arrowstyle='fancy'，搭配 mutation_scale 调整大小，突出重点。
避免遮挡 ：设置 shrinkA/shrinkB 让箭头两端缩进，不遮挡文本和数据点。

3. 中文显示问题

若标注出现中文乱码，在代码开头添加：

python

运行

复制代码

plt.rcParams['font.sans-serif'] = ['SimSun', 'Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

4. 标注裁剪控制

annotation_clip 参数控制标注是否裁剪：

True：仅当标注点在子图内时显示标注（默认，xycoords='data' 时生效）。
False：无论标注点位置，始终显示标注。

Matplotlib 第四章 文字图例尽眉目

一、Figure和Axes上的文本

二、核心函数 text() 详解

1. 函数定义

2. 核心参数

3. fontdict 常用样式参数

三、完整实战代码（可直接运行）

四、运行效果解读

五、关键知识点拓展

1. LaTeX 数学公式支持

2. 坐标系说明

3. 中文显示问题

六、常见使用场景

七、可直接修改的参数建议

Matplotlib 标题 / 坐标轴标签 / 画布文本全解析（附完整代码）

一、核心 API 速查表

二、各函数详细参数与用法

1. title() / set_title()：子图标题

函数定义

核心参数

默认fontdict样式

2. figtext() / Figure.text()：画布任意位置文本

函数定义

核心参数

关键特性

3. suptitle()：画布总标题

函数定义

核心参数

适用场景

4. xlabel()/ylabel()：坐标轴标签

函数定义

核心参数

三、完整实战代码（两种样式设置方式）

四、运行效果解读

五、关键知识点拓展

1. 两种字体样式设置方式对比

2. 中文显示问题解决方案

3. 坐标系统说明

4. 常见样式优化技巧

六、常见使用场景示例

1. 多子图添加总标题

2. 画布添加水印

3. 坐标轴标签斜向显示

annotate 标注全解析（附完整可运行代码）

一、核心函数定义

二、核心参数详解

1. 基础位置参数

2. 坐标系参数（xycoords / textcoords）

xycoords（被标注点的坐标系）

textcoords（标注文本的坐标系）

3. 箭头样式参数（arrowprops）

基础箭头参数（未设置 arrowstyle 时可用）

箭头样式（arrowstyle）

FancyArrowPatch 高级参数

4. 连接线样式（connectionstyle）

三、完整实战代码（含多种场景）

1. 基础标注：衰减震荡曲线标注

2. 极坐标标注：螺旋曲线标注

3. 箭头样式与连接样式演示

四、运行效果解读

1. 基础标注效果

2. 极坐标标注效果

3. 连接样式效果

五、关键知识点拓展

1. 坐标系选择指南

2. 箭头样式最佳实践

3. 中文显示问题

4. 标注裁剪控制

Matplotlib 第四章文字图例尽眉目

二、核心函数 `text()` 详解

3. `fontdict` 常用样式参数

1. `title()` / `set_title()`：子图标题

默认`fontdict`样式

2. `figtext()` / `Figure.text()`：画布任意位置文本

3. `suptitle()`：画布总标题

4. `xlabel()`/`ylabel()`：坐标轴标签

`annotate` 标注全解析（附完整可运行代码）

2. 坐标系参数（`xycoords` / `textcoords`）

`xycoords`（被标注点的坐标系）

`textcoords`（标注文本的坐标系）

3. 箭头样式参数（`arrowprops`）

基础箭头参数（未设置 `arrowstyle` 时可用）

箭头样式（`arrowstyle`）

`FancyArrowPatch` 高级参数

4. 连接线样式（`connectionstyle`）