matplotlib的一些基本设置的记录

matplotlib的一些基本设置的记录

Matplotlib可能是Python 扩展包中仅有的最流行的 2D 绘图库。她不仅提供了快速的方式可视化Python中的数据，而且提供流行的图形格式的选择。

pyplot 是非常接近 Matlab 的一个函数库，承担了大部分的绘图任务。我们可以通过以下命令引入pyplot.

from matplotlib import pyplot as plt

文档链接：

• http://matplotlib.org/users/pyplot_tutorial.html
  

• plot() command

matplotlib 中提供了一系列的参数，比如 图形大小（figure size），图形质量（dpi), 线宽（linewidth), 颜色和样式（color and style), axes, axis and grid properties, text and font properties 等等。

设置1：图像的大小设置。

---

如果已经存在figure对象，可以通过以下代码设置尺寸大小:

f.set_figheight(15)f.set_figwidth(15)

若果通过.sublots()命令来创建新的figure对象, 可以通过设置figsize参数达到目的。

f, axs = plt.subplots(2,2,figsize=(15,15))

设置2：刻度和标注特殊设置

---

描述如下：在X轴标出一些重要的刻度点，当然实现方式有两种：直接在X轴上标注和通过注释annotate的形式标注在合适的位置。
其中第一种的实现并不是很合适，此处为了学习的目的一并说明下。

先说第一种：

正常X轴标注不会是这样的，为了说明此问题特意标注成这样，如此看来 0.3 和 0.4的标注重叠了，当然了解决重叠的问题可以通过改变figure 的size实现，显然此处并不想这样做。

怎么解决呢，那就在 0.3 和 0.4之间再设置一个刻度，有了空间后不显示即可。

代码如下：

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltfig = plt.figure(figsize=(3, 3))  ax = fig.add_subplot(1, 1, 1, frameon=False)ax.set_xlim(-0.015, 1.515)ax.set_ylim(-0.01, 1.01)ax.set_xticks([0, 0.3, 0.4, 1.0, 1.5])#增加0.35处的刻度并不标注文本，然后重新标注0.3和0.4处文本ax.set_xticklabels([0.0, "", "", 1.0, 1.5])ax.set_xticks([0.35], minor=True)ax.set_xticklabels(["0.3 0.4"], minor=True)#上述设置只是增加空间，并不想看到刻度的标注，因此次刻度线不予显示。for line in ax.xaxis.get_minorticklines():line.set_visible(False)ax.grid(True)plt.show()

最终图像形式如下：

当然最合理的方式是采用注释的形式，比如：

代码如下：

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy as np# Plot a sinc functiondelta=2.0x=np.linspace(-10,10,100)y=np.sinc(x-delta)# Mark deltaplt.axvline(delta,ls="--",color="r")plt.annotate(r"$\delta$",xy=(delta+0.2,-0.2),color="r",size=15)plt.plot(x,y)

设置3：增加X轴与Y轴间的间隔，向右移动X轴标注一点点即可

---

显示效果对比：

设置前：

设置后：

两张的图像的差别很明显，代码如下：

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltfig = plt.figure()ax = fig.add_subplot(111)plot_data=[1.7,1.7,1.7,1.54,1.52]xdata = range(len(plot_data))labels = ["2009-June","2009-Dec","2010-June","2010-Dec","2011-June"]ax.plot(xdata,plot_data,"b-")ax.set_xticks(range(len(labels)))ax.set_xticklabels(labels)ax.set_yticks([1.4,1.6,1.8])# grow the y axis down by 0.05ax.set_ylim(1.35, 1.8)# expand the x axis by 0.5 at two endsax.set_xlim(-0.5, len(labels)-0.5)plt.show()

设置4：移动刻度标注

---

上图说明需求：

通过设置 set_horizontalalignment()来控制标注的左右位置：

for tick in ax2.xaxis.get_majorticklabels():    tick.set_horizontalalignment("left")

当然标注文本的上下位置也是可以控制的，比如:

ax2.xaxis.get_majorticklabels()[2].set_y(-.1)

当然控制刻度标注的上下位置也可以用labelpad参数进行设置：

pl.xlabel("...", labelpad=20) 

或：

ax.xaxis.labelpad = 20

具体设置请查阅官方文档，完整的代码如下：

# -*- coding: utf-8 -*-import matplotlib.pyplot as pltimport numpy as npimport datetime# my fake datadates = np.array([datetime.datetime(2000,1,1) + datetime.timedelta(days=i) for i in range(365*5)])data = np.sin(np.arange(365*5)/365.0*2*np.pi - 0.25*np.pi) + np.random.rand(365*5) /3# creates fig with 2 subplotsfig = plt.figure(figsize=(10.0, 6.0))ax = plt.subplot2grid((2,1), (0, 0))ax2 = plt.subplot2grid((2,1), (1, 0))## plot datesax2.plot_date( dates, data )# rotates labels plt.setp( ax2.xaxis.get_majorticklabels(), rotation=-45 ) # shift labels to the rightfor tick in ax2.xaxis.get_majorticklabels():    tick.set_horizontalalignment("right")plt.tight_layout()plt.show()

设置5：调整图像边缘及图像间的空白间隔

---

图像外部边缘的调整可以使用plt.tight_layout()进行自动控制，此方法不能够很好的控制图像间的间隔。

如果想同时控制图像外侧边缘以及图像间的空白区域，使用命令：

plt.subplots_adjust(left=0.2, bottom=0.2, right=0.8, top=0.8，hspace=0.2, wspace=0.3)

设置6：子图像统一标题设置。

---

效果如下（subplot row i）：

思路其实创建整个的子图像，然后将图像的刻度、标注等部分作不显示设置，仅仅显示图像的 title。

代码如下：

import matplotlib.pyplot as pltfig, big_axes = plt.subplots(figsize=(15.0, 15.0) , nrows=3, ncols=1, sharey=True) for row, big_ax in enumerate(big_axes, start=1):    big_ax.set_title("Subplot row %s \n" % row, fontsize=16)    # Turn off axis lines and ticks of the big subplot     # obs alpha is 0 in RGBA string!    big_ax.tick_params(labelcolor=(0,0,0,0), top='off', bottom='off', left='off', right='off')    # removes the white frame    big_ax._frameon = Falsefor i in range(1,10):    ax = fig.add_subplot(3,3,i)    ax.set_title('Plot title ' + str(i))fig.set_facecolor('w')plt.tight_layout()plt.show()    

设置7：图像中标记线和区域的绘制

---

效果如下：

代码如下：

import numpy as npimport matplotlib.pyplot as pltt = np.arange(-1, 2, .01)s = np.sin(2*np.pi*t)plt.plot(t, s)# draw a thick red hline at y=0 that spans the xrangel = plt.axhline(linewidth=4, color='r')# draw a default hline at y=1 that spans the xrangel = plt.axhline(y=1)# draw a default vline at x=1 that spans the yrangel = plt.axvline(x=1)# draw a thick blue vline at x=0 that spans the upper quadrant of# the yrangel = plt.axvline(x=0, ymin=0.75, linewidth=4, color='b')# draw a default hline at y=.5 that spans the middle half of# the axesl = plt.axhline(y=.5, xmin=0.25, xmax=0.75)p = plt.axhspan(0.25, 0.75, facecolor='0.5', alpha=0.5)p = plt.axvspan(1.25, 1.55, facecolor='g', alpha=0.5)plt.axis([-1, 2, -1, 2])plt.show()

参考：

• http://stackoverflow.com/questions/16162514/how-can-i-move-a-tick-label-onlywithout-moving-corresponding-tick
• http://stackoverflow.com/questions/28615887/how-to-move-a-ticks-label-in-matplotlib
• http://stackoverflow.com/questions/31928209/matplotlib-fixed-spacing-between-left-edge-of-figure-and-y-axis
• http://stackoverflow.com/questions/6406368/matplotlib-move-x-axis-label-downwards-but-not-x-axis-ticks

• http://matplotlib.org/examples/pylab_examples/axhspan_demo.html

【Matplotlib】详解图像各个部分

首先一幅Matplotlib的图像组成部分介绍。

在matplotlib中，整个图像为一个Figure对象。在Figure对象中可以包含一个或者多个Axes对象。每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。所属关系如下：

下面以一个直线图来详解图像内部各个组件内容:

其中：title为图像标题，Axis为坐标轴, Label为坐标轴标注，Tick为刻度线，Tick Label为刻度注释。各个对象关系可以梳理成以下内容：

图像中所有对象均来自于Artist的基类。

上面基本介绍清楚了图像中各个部分的基本关系，下面着重讲一下几个部分的详细的设置。

一个"Figure"意味着用户交互的整个窗口。在这个figure中容纳着"subplots"。

当我们调用plot时，matplotlib会调用gca()获取当前的axes绘图区域，而且gca反过来调用gcf()来获得当前的figure。如果figure为空，它会自动调用figure()生成一个figure, 严格的讲，是生成subplots(111)。

Figures

Subplots

plt.subplot(221) # 第一行的左图plt.subplot(222) # 第一行的右图plt.subplot(212) # 第二整行plt.show()

注意：其中各个参数也可以用逗号,分隔开。第一个参数代表子图的行数；第二个参数代表该行图像的列数； 第三个参数代表每行的第几个图像。

另外：fig, ax = plt.subplots(2,2),其中参数分别代表子图的行数和列数，一共有 2x2 个图像。函数返回一个figure图像和一个子图ax的array列表。

补充：gridspec命令可以对子图区域划分提供更灵活的配置。

Tick Locators

Tick Locators 控制着 ticks 的位置。比如下面：

ax = plt.gca()ax.xaxis.set_major_locator(eval(locator))

一些不同类型的locators：

代码如下：

import numpy as npimport matplotlib.pyplot as pltdef tickline():plt.xlim(0, 10), plt.ylim(-1, 1), plt.yticks([])ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['left'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('none')ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))ax.plot(np.arange(11), np.zeros(11))return axlocators = ['plt.NullLocator()','plt.MultipleLocator(1.0)','plt.FixedLocator([0, 2, 8, 9, 10])','plt.IndexLocator(3, 1)','plt.LinearLocator(5)','plt.LogLocator(2, [1.0])','plt.AutoLocator()',]n_locators = len(locators)size = 512, 40 * n_locatorsdpi = 72.0figsize = size[0] / float(dpi), size[1] / float(dpi)fig = plt.figure(figsize=figsize, dpi=dpi)fig.patch.set_alpha(0)for i, locator in enumerate(locators):plt.subplot(n_locators, 1, i + 1)ax = tickline()ax.xaxis.set_major_locator(eval(locator))plt.text(5, 0.3, locator[3:], ha='center')plt.subplots_adjust(bottom=.01, top=.99, left=.01, right=.99)plt.show()

所有这些locators均来自于基类matplotlib.ticker.Locator。你可以通过继承该基类创建属于自己的locator样式。同时matplotlib也提供了特殊的日期locator, 位于matplotlib.dates.

【Matplotlib】线设置，坐标显示范围

改变线的颜色和线宽

参考文章：

• controlling line properties
• Line API

线有很多属性你可以设置：线宽，线型，抗锯齿等等；具体请参考matplotlib.lines.Line2D

有以下几种方式可以设置线的属性

• 使用关键字参数

  plt.plot(x, y, linewidth=2.0)

• 使用 Line2D 对象的设置方法。 plot 返回一个 Line2D 对象的列表； line1, line2 = plot(x1, y1, x2, y2)。 下面的代码中我们假定图中仅有一条线以使返回的列表的长度为1。我们使用 line, 进行元组展开,来获得列表的首个元素。

  line, = plt.plot(x, y, '-')line.set_antialiased(False) # 关闭抗锯齿

• 使用 setp() 命令。下面给出的例子使用Matlab样式命令来设置对列表中的线对象设置多种属性。 setp 可以作用于对象列表或仅仅一个对象。你可以使用Python关键字的形式或Matlab样式。

  lines = plt.plot(x1, y1, x2, y2)# use keyword argsplt.setp(lines, color='r', linewidth=2.0)# or MATLAB style string value pairsplt.setp(lines, 'color', 'r', 'linewidth', 2.0)

---

设置坐标轴范围

参考文档：

• xlim() 命令
• ylim() 命令

下面以 xlim() 为例进行说明：

获取或设置当前图像 x 轴的范围：

xmin, xmax = xlim()   # return the current xlimxlim( (xmin, xmax) )  # set the xlim to xmin, xmaxxlim( xmin, xmax )    # set the xlim to xmin, xmax

或者可以下面这样：

xlim(xmax=3) # adjust the max leaving min unchangedxlim(xmin=1) # adjust the min leaving max unchanged

设置 x-axis limits 会使得 autoscaling 自动关闭，即两者不能同时设置。

以上说明综合举例如下：

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize=(8, 5), dpi=80)plt.subplot(111)X = np.linspace(-np.pi, np.pi, 256, endpoint=True)S = np.sin(X)C = np.cos(X)plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-")plt.plot(X, S, color="red", linewidth=2.5, linestyle="-")plt.xlim(X.min() * 1.1, X.max() * 1.1)plt.ylim(C.min() * 1.1, C.max() * 1.1)plt.show()

生成的图像：

【Matplotlib】 刻度设置(2)

Tick locating and formatting

---

该模块包括许多类以支持完整的刻度位置和格式的配置。尽管 locators 与主刻度或小刻度没有关系，他们经由 Axis 类使用来支持主刻度和小刻度位置和格式设置。一般情况下，刻度位置和格式均已提供，通常也是最常用的形式。

默认格式

当x轴数据绘制在一个大间隔的一个小的集中区域时，默认的格式将会生效。为了减少刻度标注重叠的可能性，刻度被标注在固定间隔之间的空白区域。比如：

ax.plot(np.arange(2000, 2010), range(10))

表现形式如下：

刻度仅标注了 0-9 以及一个间隔 +2e3 。如果不希望这种形式，可以关闭默认格式设置中的间隔标注的使用。

ax.get_xaxis().get_major_formatter().set_useOffset(False)

设置 rcParam axes.formatter.useoffset=False 以在全局上关闭，或者设置不同的格式。

刻度位置

Locator 类是所有刻度 Locators 的基类。 locators 负责根据数据的范围自动调整视觉间隔，以及刻度位置的选择。 MultipleLocator 是一种有用的半自动的刻度 Locator。 你可以通过基类进行初始化设置等等。

Locator 子类定义如下：

NullLocatorNo ticksFixedLocatorTick locations are fixedIndexLocatorlocator for index plots (e.g., where x = range(len(y)))LinearLocatorevenly spaced ticks from min to maxLogLocatorlogarithmically ticks from min to maxSymmetricalLogLocatorlocator for use with with the symlog norm, works like the LogLocator for the part outside of the threshold and add 0 if inside the limitsMultipleLocatorticks and range are a multiple of base;either integer or floatOldAutoLocatorchoose a MultipleLocator and dyamically reassign it for intelligent ticking during navigationMaxNLocatorfinds up to a max number of ticks at nice locationsAutoLocatorMaxNLocator with simple defaults. This is the default tick locator for most plotting.AutoMinorLocatorlocator for minor ticks when the axis is linear and the major ticks are uniformly spaced. It subdivides the major tick interval into a specified number of minor intervals, defaulting to 4 or 5 depending on the major interval.

你可以继承 Locator 定义自己的 locator。 你必须重写 ___call__ 方法，该方法返回位置的序列，你可能也想重写 autoscale 方法以根据数据的范围设置视觉间隔。

如果你想重写默认的locator，使用上面或常用的locator任何一个, 将其传给 x 或 y axis 对象。相关的方法如下：

ax.xaxis.set_major_locator( xmajorLocator )ax.xaxis.set_minor_locator( xminorLocator )ax.yaxis.set_major_locator( ymajorLocator )ax.yaxis.set_minor_locator( yminorLocator )

刻度格式

刻度格式由 Formatter 继承来的类控制。 formatter仅仅作用于单个刻度值并且返回轴的字符串。
相关的子类请参考官方文档。

同样也可以通过重写 __all__ 方法来继承 Formatter 基类以设定自己的 formatter。

为了控制主刻度或小刻度标注的格式，使用下面任一方法：

ax.xaxis.set_major_formatter( xmajorFormatter )ax.xaxis.set_minor_formatter( xminorFormatter )ax.yaxis.set_major_formatter( ymajorFormatter )ax.yaxis.set_minor_formatter( yminorFormatter )

---

设置刻度标注

---

相关文档：

• 文本相关

• set_xticklabels()

• set_yticklabels()

原型举例：

set_xticklabels(labels, fontdict=None, minor=False, **kwargs)

综合举例（1）如下：

设置指定位置的标注更改为其他的标注：

...plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],          [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])plt.yticks([-1, 0, +1],          [r'$-1$', r'$0$', r'$+1$'])...

综合举例（2）如下：

设置坐标轴主刻度和次刻度。

#!/usr/bin/env python#-*- coding: utf-8 -*- #---------------------------------------------------#演示MatPlotLib中设置坐标轴主刻度标签和次刻度标签.#对于次刻度显示,如果要使用默认设置只要matplotlib.pyplot.minorticks_on()#---------------------------------------------------import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.ticker import MultipleLocator, FormatStrFormatter#---------------------------------------------------xmajorLocator   = MultipleLocator(20) #将x主刻度标签设置为20的倍数xmajorFormatter = FormatStrFormatter('%5.1f') #设置x轴标签文本的格式xminorLocator   = MultipleLocator(5) #将x轴次刻度标签设置为5的倍数ymajorLocator   = MultipleLocator(0.5) #将y轴主刻度标签设置为0.5的倍数ymajorFormatter = FormatStrFormatter('%1.1f') #设置y轴标签文本的格式yminorLocator   = MultipleLocator(0.1) #将此y轴次刻度标签设置为0.1的倍数 t = np.arange(0.0, 100.0, 1)s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)ax = plt.subplot(111) #注意:一般都在ax中设置,不再plot中设置plt.plot(t,s,'--r*')#设置主刻度标签的位置,标签文本的格式ax.xaxis.set_major_locator(xmajorLocator)ax.xaxis.set_major_formatter(xmajorFormatter)ax.yaxis.set_major_locator(ymajorLocator)ax.yaxis.set_major_formatter(ymajorFormatter)#显示次刻度标签的位置,没有标签文本ax.xaxis.set_minor_locator(xminorLocator)ax.yaxis.set_minor_locator(yminorLocator)ax.xaxis.grid(True, which='major') #x坐标轴的网格使用主刻度ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度plt.show()##########################################################

图像形式如下：

【Matplotlib】 增加图例

相关文档：

• Legend guide

• legend() command

• Legend API

控制图例入口

无参调用 legend() 会自动获取图例 handles 以及相关的 labels。其对应于以下代码：

handles, labels = ax.get_legend_handles_labels()ax.legend(handles, labels)

get_legend_handles_labels()方法返回 存在于图像中的 handles/artists 列表，这些图像可以用来生成结果图例中的入口。值得注意的是并不是所有的 artists 都可以被添加到图例中。

为了全部控制添加到图例中的内容，通常直接传递适量的 handles 给legend()函数。

line_up, = plt.plot([1,2,3], label='Line 2')line_down, = plt.plot([3,2,1], label='Line 1')plt.legend(handles=[line_up, line_down])

某些情况下，不太可能设置 handle 的 label，所以需要传递 labels 的列表给 legend()。

line_up, = plt.plot([1,2,3], label='Line 2')line_down, = plt.plot([3,2,1], label='Line 1')plt.legend([line_up, line_down], ['Line Up', 'Line Down'])

综合例子如下：

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize=(8,5), dpi=80)plt.subplot(111)X = np.linspace(-np.pi, np.pi, 256,endpoint=True)C = np.cos(X)S = np.sin(X)plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")plt.plot(X, S, color="red", linewidth=2.5, linestyle="-",  label="sine")ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data',0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0))plt.xlim(X.min() * 1.1, X.max() * 1.1)plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],  [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])plt.ylim(C.min() * 1.1, C.max() * 1.1)plt.yticks([-1, +1],  [r'$-1$', r'$+1$'])plt.legend(loc='upper left')plt.show()

图像表现形式如下：

【Matplotlib】 标注一些点

相关的文档：

• Annotating axis

• annotate() command

标注的代码如下：

...t = 2 * np.pi / 3plt.plot([t, t], [0, np.cos(t)], color='blue', linewidth=2.5, linestyle="--")plt.scatter([t, ], [np.cos(t), ], 50, color='blue')plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$', xy=(t, np.sin(t)), xycoords='data', xytext=(+10, +30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))plt.plot([t, t],[0, np.sin(t)], color='red', linewidth=2.5, linestyle="--")plt.scatter([t, ],[np.sin(t), ], 50, color='red')plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)), xycoords='data', xytext=(-90, -50), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))...

【Matplotlib】 标注细节注意

相关文档：

• Artists

• BBox

由于蓝线和红线的存在，现在刻度标注很难看清楚。我们可以使他们更大，也可以使它们的属性以便使得线呈现半透明的白色背景。这样做我们既可以看到数据也可以看到刻度标注了。

相关的设置代码：

...for label in ax.get_xticklabels() + ax.get_yticklabels():    label.set_fontsize(16)    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))...

设置前图像：

设置后图像：

完整的代码如下：

import numpy as npimport matplotlib.pyplot as pltplt.figure(figsize=(8, 5), dpi=80)plt.subplot(111)X = np.linspace(-np.pi, np.pi, 256, endpoint=True)C, S = np.cos(X), np.sin(X)plt.plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")plt.plot(X, S, color="red", linewidth=2.5, linestyle="-",  label="sine")ax = plt.gca()ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.xaxis.set_ticks_position('bottom')ax.spines['bottom'].set_position(('data', 0))ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data', 0))plt.xlim(X.min() * 1.1, X.max() * 1.1)plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],          [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])plt.ylim(C.min() * 1.1, C.max() * 1.1)plt.yticks([-1, 1],          [r'$-1$', r'$+1$'])plt.legend(loc='upper left')t = 2*np.pi/3plt.plot([t, t], [0, np.cos(t)],        color='blue', linewidth=1.5, linestyle="--")plt.scatter([t, ], [np.cos(t), ], 50, color='blue')plt.annotate(r'$sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',            xy=(t, np.sin(t)), xycoords='data',            xytext=(10, 30), textcoords='offset points', fontsize=16,            arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))plt.plot([t, t], [0, np.sin(t)],        color='red', linewidth=1.5, linestyle="--")plt.scatter([t, ], [np.sin(t), ], 50, color ='red')plt.annotate(r'$cos(\frac{2\pi}{3})=-\frac{1}{2}$', xy=(t, np.cos(t)),            xycoords='data', xytext=(-90, -50),            textcoords='offset points', fontsize=16,            arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))for label in ax.get_xticklabels() + ax.get_yticklabels():    label.set_fontsize(16)    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65 ))plt.show()

本文在http://www.cnblogs.com/nju2014/tag/Matplotlib/的基础上进行了简单的整理和总结，相当于转载，主要是方便自己日后查找方便，侵删！