在用Matplotlib进行可视化过程中，加注很多时候为了更直观地展现数据大小，释和会将具体的内嵌数值标注在图形中，比如在柱状图上标明数值大小。加注

这篇文章会以一个实际的释和案例，详细讲讲如何给数据加注解，内嵌同时也介绍一下一种比较骚的加注操作，即Matplotlib的释和内嵌图（把一张小图嵌入到一张大图中），学会这个后，内嵌你能够绘制出这种图形

数据注释

演示的加注数据集为2016年抵美（到达美国）人数排名前十的国家数据，包含国名和具体入境人数，释和人数的内嵌具体单位为百万人次 

import pandas as pd  import numpy as np  import matplotlib.pyplot as plt  %matplotlib inline  plt.rcParams[font.sans-serif] = SimHei x_data = [加拿大,墨西哥,英国,日本,中国,德国,韩国,法国,巴西,印度]  y_data = [13.428347,12.255948,3.019111,2.352919,2.09833,1.322882,1.282097,1.127868,1.109066,0.874016] 

有了数据后，可以非常快地画出一张柱状图 

fig,加注ax = plt.subplots(figsize=(16,6))  ax.bar(x_data,y_data) 

接下来开始加注释，即在柱状图上显示具体数值。释和在Matplotlib中，内嵌为数据加上注释有两种方式，一种是使用ax.text()，另一种则是ax.annotate()。

ax.text()

ax.text()的主要作用是为图中加上一些text，也就是文字。不仅是能够加注释，高防服务器只要指定了坐标，可以在图上的任何坐标加上text。

函数中的几个重要的参数，具体介绍一下

 x：x的坐标  y：y的坐标  s：要加的文字  rotation：文字旋转的角度  fontsize：文字字体大小  fontweight：文字字体粗细

需要注意的是，每次调用ax.text()只能生成一个Text对象，也就是说每次只能加一个注释，多个的话需要写循环生成。

所以一般加注释是这么一个流程：先确定注释的横纵坐标-->写循环调用ax.text() 

fig,ax = plt.subplots(figsize=(16,6))  ax.bar(x_data,y_data)  # 循环生成text  # horizontalalignment参数设置注释居中显示  for x,y in zip(x_data,y_data):      ax.text(x,y+0.05,y,fontsize=14,horizontalalignment=center) 

关于图表美化方面，这里暂时不过多赘述。

ax.annotate()

相比于ax.text()，ax.annotate()更像是专门为做注释而生的，annotate便是注释的意思。

ax.annotate()的注释功能更强大，除了加入文本注释外，如果有需要还能够加上箭头→进行指示。服务器租用

一些主要的参数如下：

 s：注释文本  xy：要加注释的数据点位置  xytext：文本注释的位置，默认情况下为xy  arrowprops：一个控制箭头的属性的dict，如果需要显示箭头，必须要设置

这里比较有意思的两个参数是xy和xytext，二者貌似没啥区别的样子，这个地方确实很容易产生困惑。

一般情况下，s和xy是必须要设置的参数，如果不指定，xytext默认和xy一致。

但如果要设置箭头的话，xy的坐标则定义了箭头的头部，xytext则指定箭头的尾部和文本注释的位置，实际画图来理解看看。

ax.annotate()和ax.text()的画图流程是一致的，云南idc服务商都需要循环生成注释。

不设置箭头，简单加上注释 

fig,ax = plt.subplots(figsize=(16,6))  ax.bar(x_data,y_data) for x,y in zip(x_data,y_data):      ax.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment=center) 

加上注释并设置箭头 

fig,ax = plt.subplots(figsize=(16,6))  ax.bar(x_data,y_data)  # 箭头头部坐标(x,y)  # 箭头尾部坐标（注释坐标）为(x,y+1)  for x,y in zip(x_data,y_data):      ax.annotate(y,xy = (x,y),xytext = (x,y+1),fontsize=14,horizontalalignment=center,                 arrowprops =dict(arrowstyle=->))  # 将纵坐标范围扩大  ax.set_ylim([0,16]) 

设置了显示箭头之后，可以明显地看出，箭头是由xytext坐标指向xy的坐标的，所以，当你不需要设置箭头的时候，xytext设置的意义并不大。

内嵌图

内嵌图大家可能用的比较少，但这种图其实还是挺有用的。

拿上面的数据例子来说，柱状图显示了2016年抵美人数排名前十的国家的具体人数，如果这时想结合各大地域抵美人数的占比数据进行分析，该如何绘图？

一个比较直接的想法是用subplots子图来实现，比如上边显示柱状图，下边显示饼图，如下： 

zhou_name = [西欧,亚洲,南美洲,大洋洲,加勒比地区,中东地区,中美洲,东欧,非洲]  zhou_percent = [36.2,30.8,13.9,4.3,4.1,3.8,2.8,2.6,1.5]  fig,ax = plt.subplots(2,1,figsize=(16,12))  ax[0].bar(x_data,y_data)  for x,y in zip(x_data,y_data):      ax[0].annotate(y,(x,y+0.05),fontsize=14,horizontalalignment=center)  ax[1].pie(zhou_percent,labels=zhou_name,autopct=%1.1f%%) 

这当然是可行的，但还有更好的方案，那便是内嵌图。注意到这里的柱状图右侧有很大的留白部分，如果把饼图放到柱状图右侧的留白部分会显得更加直观。

内嵌图有两种生成方式，一种是fig.add_axes()，另一种则是使用inset_axes()。

fig.add_axes()

fig.add_axes()就是在原有的Figure上加上一个新的区域Axes，然后在这个区域中绘制图形。

使用这个方法的话需要指定新增的这个区域Axes在Figure中的相对位置和区域大小，输入参数均为相对于原来Figure的比例值，如下： 

# left和bottom控制新Axes的位置  # width和height控制新Axes的大小（长宽）  # 这些均用相对数来表示，大小在0-1之间  left,bottom,width,height = [0.5,0.3,0.5,0.5]  fig,ax1 = plt.subplots(figsize=(16,6))  ax1.bar(x_data,y_data)  for x,y in zip(x_data,y_data):      ax1.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment=center)  # 运用fig.add_axes()新增一个区域Axes绘图  ax2 = fig.add_axes([left,bottom,width,height])  ax2.pie(zhou_percent,labels=zhou_name,autopct=%1.1f%%) 

inset_axes

相比于fig.add_axes()需要对相对位置进行调试，使用inset_axes()进行绘图则可以方便进行定位。

inset_axes中的位置由参数loc设置，可以用字符串控制，也可以输入数字，具体如下： 

upper right  : 1  upper left   : 2  lower left   : 3 ...... upper center : 9  center       : 10   # 使用前需要先导包  from mpl_toolkits.axes_grid1.inset_locator import inset_axes  fig,ax1 = plt.subplots(figsize=(16,6))  ax1.bar(x_data,y_data)  for x,y in zip(x_data,y_data):      ax1.annotate(y,(x,y+0.05),fontsize=14,horizontalalignment=center)  # 将内嵌图置于右侧，宽度和长度分别为相对长度  ax2 = inset_axes(ax1,width = 60%,height = 60%,loc=right)  ax2.pie(zhou_percent,labels=zhou_name,autopct=%1.1f%%) 

美化方面这里就不再多讲了，具体可以参照这篇文章如何用 Matplotlib 画一张好看的图。