	import matplotlib.pyplot as plt
    # plt.annotate(str, xy=data_point_position, xytext=annotate_position, 
    #              va="center",  ha="center", xycoords="axes fraction", 
    #              textcoords="axes fraction", bbox=annotate_box_type, arrowprops=arrow_style)
    # str是給數(shù)據(jù)點添加注釋的內(nèi)容，支持輸入一個字符串
    # xy=是要添加注釋的數(shù)據(jù)點的位置
    # xytext=是注釋內(nèi)容的位置
    # bbox=是注釋框的風格和顏色深度，fc越小，注釋框的顏色越深，支持輸入一個字典
    # va="center",  ha="center"表示注釋的坐標以注釋框的正中心為準，而不是注釋框的左下角(v代表垂直方向，h代表水平方向)
    # xycoords和textcoords可以指定數(shù)據(jù)點的坐標系和注釋內(nèi)容的坐標系，通常只需指定xycoords即可，textcoords默認和xycoords相同
    # arrowprops可以指定箭頭的風格支持，輸入一個字典
    # plt.annotate()的詳細參數(shù)可用__doc__查看，如：print(plt.annotate.__doc__)

例1：

	import matplotlib.pyplot as plt
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    plt.annotate('a decision node', (0.1, 0.5), (0.5, 0.1), va="center",  ha="center",
                 xycoords="axes fraction", textcoords="axes fraction", 
                 bbox=dict(boxstyle="sawtooth", fc="0.8"), arrowprops=dict(arrowstyle="<-"))
    plt.show()

結(jié)果如下：

在這里插入圖片描述

例2：給注釋和數(shù)據(jù)點指定不同的坐標系

	import matplotlib.pyplot as plt
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    # 這里指定數(shù)據(jù)點的坐標系原點在xy軸的左下角，而注釋的坐標系原點在這個圖像(figure)的左下角
    # 所以才會出現(xiàn)注釋內(nèi)容下移覆蓋了x軸
    plt.annotate('a decision node', (0.1, 0.5), (0.5, 0.1), va="center",  ha="center",
                 xycoords="axes fraction", textcoords="figure fraction", 
                 bbox=dict(boxstyle="sawtooth", fc="0.8"), arrowprops=dict(arrowstyle="<-"))
    plt.show()

結(jié)果如下：

在這里插入圖片描述

可視化annotate()函數(shù)解析

函數(shù)功能：添加圖形內(nèi)容細節(jié)的指向型注釋文本。

調(diào)用簽名：

plt.annotate(string, xy=(np.pi/2, 1.0), xytext=((np.pi/2)+0.15, 1,5), weight="bold", color="b", arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))

string：圖形內(nèi)容的注釋文本
xy：被注釋圖形內(nèi)容的位置坐標
xytext：注釋文本的位置坐標
weight：注釋文本的字體粗細風格
color：注釋文本的字體顏色
arrowprops：指示被注釋內(nèi)容的箭頭的屬性字典

代碼實現(xiàn)：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.plot(x, y, ls="-.", lw=2, c="c", label="plot figure")
plt.legend()
plt.annotate("maximum", xy=(np.pi/2, 1.0), xytext=((np.pi/2)+1.0, .8),
             weight="bold", color="b", 
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
plt.show()