如果有人试图将上述解决方案应用于.scatter()而不是.subplot()，

我尝试运行以下代码

import matplotlib.pyplot as plt
y = [2.56422, 3.77284, 3.52623, 3.51468, 3.02199]
z = [0.15, 0.3, 0.45, 0.6, 0.75]
n = [58, 651, 393, 203, 123]

fig, ax = plt.scatter(z, y)

for i, txt in enumerate(n):
    ax.annotate(txt, (z[i], y[i]))

但是遇到了“不能解包不可迭代的PathCollection对象”的错误，错误具体指向代码线图，ax = plt。散射(z, y)

我最终用下面的代码解决了这个错误

import matplotlib.pyplot as plt
plt.scatter(z, y)

for i, txt in enumerate(n):
    plt.annotate(txt, (z[i], y[i]))

我没想到.scatter()和.subplot()之间有区别 我早该知道的。

我不知道任何绘图方法，它接受数组或列表，但你可以使用注释()，而迭代在n的值。

import matplotlib.pyplot as plt
y = [2.56422, 3.77284, 3.52623, 3.51468, 3.02199]
z = [0.15, 0.3, 0.45, 0.6, 0.75]
n = [58, 651, 393, 203, 123]

fig, ax = plt.subplots()
ax.scatter(z, y)

for i, txt in enumerate(n):
    ax.annotate(txt, (z[i], y[i]))

注释()有很多格式化选项，请参阅matplotlib网站:

在matplotlib 2.0之前的版本中，ax。在没有标记的情况下，对文本进行分散绘制是不必要的。在2.0版本中，您将需要ax。为文本设置适当的范围和标记。

import matplotlib.pyplot as plt
y = [2.56422, 3.77284, 3.52623, 3.51468, 3.02199]
z = [0.15, 0.3, 0.45, 0.6, 0.75]
n = [58, 651, 393, 203, 123]

fig, ax = plt.subplots()

for i, txt in enumerate(n):
    ax.annotate(txt, (z[i], y[i]))

在这个链接中，你可以找到一个3d的例子。

对于有限的值集，matplotlib很好。但是当你有很多值时，工具提示开始与其他数据点重叠。但由于空间有限，你不能忽略这些值。因此，最好是缩小或放大。

使用图

import plotly.express as px
import pandas as pd

df = px.data.tips()

df = px.data.gapminder().query("year==2007 and continent=='Americas'")


fig = px.scatter(df, x="gdpPercap", y="lifeExp", text="country", log_x=True, size_max=100, color="lifeExp")
fig.update_traces(textposition='top center')
fig.update_layout(title_text='Life Expectency', title_x=0.5)
fig.show()

当您需要在不同的时间单独注释时(我的意思是，不是在单个for循环中)，这可能很有用。

ax = plt.gca()
ax.annotate('your_lable', (x,y)) 

其中x和y是你的目标坐标类型是float/int。

您也可以使用pyplot。文本(见这里)。

def plot_embeddings(M_reduced, word2Ind, words):
    """ 
        Plot in a scatterplot the embeddings of the words specified in the list "words".
        Include a label next to each point.
    """
    for word in words:
        x, y = M_reduced[word2Ind[word]]
        plt.scatter(x, y, marker='x', color='red')
        plt.text(x+.03, y+.03, word, fontsize=9)
    plt.show()

M_reduced_plot_test = np.array([[1, 1], [-1, -1], [1, -1], [-1, 1], [0, 0]])
word2Ind_plot_test = {'test1': 0, 'test2': 1, 'test3': 2, 'test4': 3, 'test5': 4}
words = ['test1', 'test2', 'test3', 'test4', 'test5']
plot_embeddings(M_reduced_plot_test, word2Ind_plot_test, words)