快捷導(dǎo)航

Python數(shù)據(jù)可視化中常見的4種標注方式及示例詳解

更新時間：2024年12月12日 11:46:39 作者：python收藏家

在Python的數(shù)據(jù)可視化中,標注（Annotation）技術(shù)是一種非常有用的工具,它可以幫助用戶更準確地解釋圖表中的數(shù)據(jù)和模式,在本文中,將帶您了解使用Python實現(xiàn)數(shù)據(jù)可視化時應(yīng)該了解的4種標注,需要的朋友可以參考下

常見的標注方式

文本標注
箭頭標注
突出標注
趨勢線標注

讓我們通過Python實現(xiàn)來了解所有這些用于數(shù)據(jù)可視化的標注技術(shù)。

文本標注

文本標注是直接添加到圖表上的簡短文本注釋，以提供額外的上下文或突出顯示重要的數(shù)據(jù)點。它們對于注意特定事件以解釋趨勢或注意數(shù)據(jù)中的異常情況特別有用。例如，在銷售圖表中，可以使用文本標注來標記新產(chǎn)品或營銷活動的推出，以幫助查看者快速了解銷售數(shù)據(jù)波動的原因。

下面是一個使用Python向圖添加文本標注的示例：

import matplotlib.pyplot as plt

months = ["Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"]
sales = [100, 120, 90, 150, 200, 230, 210, 190, 220, 240, 250, 270]

plt.plot(months, sales, marker='o')
plt.title('Monthly Sales Data')
plt.xlabel('Month')
plt.ylabel('Sales')

# adding text annotations
plt.text('May', 200, 'Product Launch', fontsize=9, ha='center', color='red')
plt.text('Nov', 250,

在這里插入圖片描述

箭頭標注

箭頭標注使用箭頭直接指向圖表上的特定數(shù)據(jù)點或區(qū)域，以突出顯示關(guān)鍵元素或趨勢。它們在突出離群值、指示重大變化或注意數(shù)據(jù)中值得注意的模式方面特別有效。例如，在營銷支出與銷售額的散點圖中，箭頭可以指向投資回報率異常高或異常低的離群值，以明確哪些數(shù)據(jù)點需要進一步關(guān)注。

示例：

marketing_spend = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
sales = [12, 25, 27, 35, 50, 52, 60, 65, 78, 85]

plt.scatter(marketing_spend, sales)
plt.xlabel('Marketing Spend (in $1000)')
plt.ylabel('Sales (in $1000)')

# adding arrow annotations
plt.annotate('High ROI', xy=(20, 25), xytext=(30, 40), arrowprops=dict(facecolor='blue', shrink=0.05))
plt.annotate('Low ROI', xy=(60, 52), xytext=(60, 90), arrowprops=dict(facecolor='red', shrink=0.05))

plt.show()

在這里插入圖片描述

突出標注

突出顯示區(qū)域涉及對圖形的特定區(qū)域進行陰影或著色，以引起對特定時間段、范圍或區(qū)域的注意。此技術(shù)用于突出顯示數(shù)據(jù)中的關(guān)鍵部分，例如高活動期、重大事件或滿足某些標準的區(qū)域。例如，在市場崩潰期間突出顯示區(qū)域的股票價格的時間序列圖可以使觀眾更容易在視覺上識別影響期。

下面是一個使用Python突出顯示圖形中區(qū)域的示例：

import numpy as np

dates = np.arange('2023-01', '2024-01', dtype='datetime64[M]')
stock_prices = np.random.randn(len(dates)).cumsum() + 100

plt.plot(dates, stock_prices)
plt.title('Stock Prices Over Time')
plt.xlabel('Date')
plt.ylabel('Price')

# highlighting an area
plt.axvspan('2023-06', '2023-09', color='yellow', alpha=0.3, label='Summer Period')

plt.legend()

在這里插入圖片描述

趨勢線標注

趨勢線是添加到圖形中的線，用于指示數(shù)據(jù)隨時間或跨變量的一般方向或模式。它們用于可視化數(shù)據(jù)集中的趨勢，平均值或關(guān)系，這有助于識別長期運動和趨勢。例如，在顯示學(xué)習(xí)時間和考試分數(shù)之間關(guān)系的散點圖中，趨勢線可以通過指示更多的學(xué)習(xí)時間通常導(dǎo)致更高的分數(shù)來說明是否存在正相關(guān)性。

下面是一個使用Python在圖表中添加趨勢線的示例：

study_hours = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
scores = np.array([50, 55, 60, 65, 70, 75, 80, 85, 90, 95])

plt.scatter(study_hours, scores)
plt.title('Study Hours vs Exam Scores')
plt.xlabel('Study Hours')
plt.ylabel('Scores')

# adding a trend line
m, b = np.polyfit(study_hours, scores, 1)
plt.plot(study_hours, m*study_hours + b, color='red', label='Trend Line')

plt.legend()

在這里插入圖片描述