一个好的可视化作品就是给读者讲一个精彩的故事。虽然在一些场景中，这个故事可以完全通过视觉来表达，不需要任何多余的文字。但在另外一些场景中，加入少量的文字提示和标签是必不可少的。

如何添加注释？

我们经常看到的注释类型，只有坐标轴标题与图标题，但注释可远远不止这些。通过一个可视化例子，看看如何通过添加注释来更恰当地表达信息。

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 2*np.pi, 0.01)
plt.plot(np.sin(x))

如上面的正弦图形，如果你想在图中增加一些注释，这样就更加能吸引读者的注意了。可以通过 plt.text/ ax.text方法添加注释，它们可以在具体的 x / y 坐标点上放置文字。

1.用plt.text方法

x = np.arange(0, 2*np.pi, 0.01)
plt.plot(np.sin(x))
plt.text(0, 0, "sin(0)=0") # x,y代表坐标系中的数值
plt.title('cos&sin')# 设置坐标轴的lable
plt.xlabel('X axis')# 设置坐标轴标题
plt.ylabel('Y axis')# 设置坐标轴的lable
plt.show()

2.用ax.text方法

x = np.arange(0, 2*np.pi, 0.01)
fig, ax = plt.subplots(figsize=(8, 4))
ax.plot(np.sin(x))
ax.set(title='cos&sin',ylabel='Y axis')# 设置坐标轴标题
ax.text(130,0.8,"sin(0)=0")# x,y代表坐标系中的数值

坐标变换与文字位置

有时候可能需要将文字放在与数据无关的位置上，比如坐标轴或者图形中。在 Matplotlib 中，我们通过调整坐标变换(transform)来实现。

例如，当一个位于(x, y) = (1, 1)位置的点需要以某种方式显示在图上特定的位置时，就需要用屏幕的像素来表示。用数学方法处理这种坐标系变换很简单，Matplotlib有一组非常棒的工具可以实现类似功能(这些工具位于matplotlib.transforms子模块中)。

三种变换方式:

ax.transData以数据为基准的坐标变换;

ax.transAxes以坐标轴为基准的坐标变换(以坐标轴维度为单位);

fig.transFigure以图形为基准的坐标变换(以图形维度为单位);

用三种变换方式将文字画在不同的位置

fig, ax = plt.subplots(facecolor='lightgray')
ax.axis([0, 10, 0, 10])
# 虽然transform=ax.transData是默认值，但还是设置一下
ax.text(1, 5, ". Data: (1, 5)", transform=ax.transData)
ax.text(0.5, 0.1, ". Axes: (0.5, 0.1)", transform=ax.transAxes) 
ax.text(0.2, 0.2, ". Figure: (0.2, 0.2)", transform=fig.transFigure)

transData坐标用x轴与y轴的标签作为数据坐标。transAxes坐标以坐标轴(图中白色矩 形)左下角的位置为原点，按坐标轴尺寸的比例呈现坐标。transFigure 坐标与之类似， 不过是以图形(图中灰色矩形)左下角的位置为原点，按图形尺寸的比例呈现坐标。

箭头与注释

简单的箭头也是一种有用的注释标签。在Matplotlib里面的plt.annotate()函数。这个函数既可以创建文字，也可以创建箭头，而且它创建的箭头能够进行非常灵活的配置。

fig, ax = plt.subplots()
x = np.linspace(0, 20, 1000)
ax.plot(x, np.cos(x))
ax.axis('equal')
ax.annotate('local maximum', xy=(6.28, 1), xytext=(10, 4),
 arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate('local minimum', xy=(5 * np.pi, -1), 
 xytext=(2, -6),arrowprops=dict(arrowstyle="->",
 connectionstyle="angle3,angleA=0,angleB=-90"))