散点图的注释螺旋向外而不是堆栈 - matplotlib

时间:2015-04-27 12:15:13

标签: python matplotlib

This SO question提供了一些帮助,以防止注释相互重叠,但它只是向上堆叠注释而不是保持它尽可能接近它应该是的(x,y)位置在。现在它只是将事物直接叠加到原来的x,y位置毫无意义的位置。

相关部分是:

def get_text_positions(x_data, y_data, txt_width, txt_height):
a = zip(y_data, x_data)
text_positions = y_data.copy()
for index, (y, x) in enumerate(a):
    local_text_positions = [i for i in a if i[0] > (y - txt_height) 
                        and (abs(i[1] - x) < txt_width * 2) and i != (y,x)]
    if local_text_positions:
        sorted_ltp = sorted(local_text_positions)
        if abs(sorted_ltp[0][0] - y) < txt_height: #True == collision
            differ = np.diff(sorted_ltp, axis=0)
            a[index] = (sorted_ltp[-1][0] + txt_height, a[index][1])
            text_positions[index] = sorted_ltp[-1][0] + txt_height
            for k, (j, m) in enumerate(differ):
                #j is the vertical distance between words
                if j > txt_height * 2: #if True then room to fit a word in
                    a[index] = (sorted_ltp[k][0] + txt_height, a[index][1])
                    text_positions[index] = sorted_ltp[k][0] + txt_height
                    break
return text_positions

我认为魔法发生在j > txt_height行,但如果有重叠,我想开始左右移动。

编辑:我没有从外部for循环中调整任何内容,因为它似乎在计算任何文本位置是否在同一个&#39;邻居中。 if local_text_positions:如果其中任何一个重叠,则运行。 np.diff正在采取第一个订单差异......但我不知道在问题中提到的j&gt; txt_height之后发生了什么。

1 个答案:

答案 0 :(得分:1)

查看我的库,这样做: https://github.com/Phlya/adjustText

import matplotlib.pyplot as plt
from adjustText import adjust_text
import numpy as np

np.random.seed(2016)

N = 50
scatter_data = np.random.rand(N, 3)
fig, ax = plt.subplots()
bubbles = ax.scatter(scatter_data[:, 0], scatter_data[:, 1],
           c=scatter_data[:, 2], s=scatter_data[:, 2] * 150)
labels = ['ano_{}'.format(i) for i in range(N)]
texts = []
for x, y, text in zip(scatter_data[:, 0], scatter_data[:, 1], labels):
    texts.append(ax.text(x, y, text))
adjust_text(texts, force_text=0.05, arrowprops=dict(arrowstyle="-|>",
                                                    color='r', alpha=0.5))
plt.show()

enter image description here