matplotLib在图中标出最后一个点的值

import matplotlib.pyplot as plt
import numpy as np# 生成100个随机数据
data = np.random.rand(100)# 绘制数据
plt.plot(data, label='Data Points')# 获取最后一个数据点的位置和值
last_x = len(data) - 1
last_y = data[-1]# 用红圈标出最后一个点
plt.plot(last_x, last_y, 'ro')# 在图上标出最后一个点的值
plt.annotate(f'{last_y:.2f}',xy=(last_x, last_y), xytext=(last_x + 2, last_y), fontsize=12,  # 字体大小color='red'#  textcoords='offset points',#  ha='left', #  va='bottom')# 设置标题和坐标轴标签
plt.title('Plot with Last Data Point Highlighted and Labeled')
plt.xlabel('Index')
plt.ylabel('Value')# 显示图形
plt.legend()
plt.savefig("test")

这段代码将最后一个数据点的值用放大的红色字体标注出来，并在图上用红圈圈出该点。

plt.annotate 是 Matplotlib 用于在图形上添加注释（文本）的函数。以下是 plt.annotate 函数的常用参数及其对应的含义：

plt.annotate(text, xy, xytext=None, xycoords='data',textcoords=None, arrowprops=None, **kwargs)

参数解释

1. text:

   • 要显示的注释文本内容。

2. xy:

   • 一个包含两个元素的元组或列表，用于指定注释指向的位置，格式为 (x, y)。
   • 这个位置表示的是注释的目标点。

3. xytext (可选):

   • 一个包含两个元素的元组或列表，用于指定注释文本的位置，格式为 (x, y)。
   • 如果不指定，默认值为 xy。

4. xycoords (可选):

   • 指定 xy 所使用的坐标系，默认值是 'data'，表示数据坐标。
   • 其他常见选项包括 'figure points'（图形窗口的点）、'figure pixels'（图形窗口的像素）、'axes points'（轴内的点）、'axes fraction'（轴内的分数）。

5. textcoords (可选):

   • 指定 xytext 所使用的坐标系，默认值是 xycoords 的值。
   • 可选值与 xycoords 类似。

6. arrowprops (可选):

   • 一个字典，用于定义箭头的样式。常见的键包括：
     • 'arrowstyle'：箭头样式，例如 '->'、'-[' 等。
     • 'color'：箭头颜色。
     • 'shrink'：缩小箭头的比例。
     • 'linewidth'：箭头的线宽。

7. 其他 **kwargs 参数:

   • 这些是与注释文本相关的其他关键字参数，如 fontsize（字体大小）、color（字体颜色）、horizontalalignment（水平对齐）、verticalalignment（垂直对齐）等。

例子

plt.annotate('This is a point',xy=(10, 10),         # 注释指向的点xytext=(15, 15),     # 注释文本的位置textcoords='offset points', # 以偏移量作为坐标系arrowprops=dict(facecolor='black', arrowstyle='->'), # 添加箭头fontsize=12,         # 字体大小color='red')         # 字体颜色

在这个例子中，注释文本 This is a point 会显示在图形中的某个位置（由 xytext 指定），并且有一个箭头指向图形中的点 (10, 10)。字体大小设置为 12，颜色为红色。

使用ax版本

在 subplots 中，你可以通过在绘制图形后，使用 ax.annotate 方法来显示最后一个数据点的值。这里是一个简单的例子，展示如何在 subplots 中标注最后一个点的值。

import matplotlib.pyplot as plt
import numpy as np# 生成两个不同的数据集
data1 = np.random.rand(100)
data2 = np.random.rand(100)# 创建子图
fig, axs = plt.subplots(2)# 绘制第一个数据集
axs[0].plot(data1, label='Data 1')
last_x1 = len(data1) - 1
last_y1 = data1[-1]
axs[0].plot(last_x1, last_y1, 'ro')  # 用红色圆圈标记最后一个点
axs[0].annotate(f'{last_y1:.2f}', xy=(last_x1, last_y1), xytext=(last_x1 + 2, last_y1),textcoords='offset points', ha='left', va='bottom', fontsize=12, color='red')# 绘制第二个数据集
axs[1].plot(data2, label='Data 2')
last_x2 = len(data2) - 1
last_y2 = data2[-1]
axs[1].plot(last_x2, last_y2, 'ro')  # 用红色圆圈标记最后一个点
axs[1].annotate(f'{last_y2:.2f}', xy=(last_x2, last_y2), xytext=(last_x2 + 2, last_y2),textcoords='offset points', ha='left', va='bottom', fontsize=12, color='red')# 设置标题和坐标轴标签
axs[0].set_title('Plot 1')
axs[1].set_title('Plot 2')# 显示图形
plt.tight_layout()
plt.show()

解释：

1. 创建子图：使用 plt.subplots(2) 创建了两个子图（可以根据需要调整子图数量）。
2. 绘制数据：在每个子图中，分别绘制 data1 和 data2。
3. 标注最后一个点：
   • 使用 ax.plot 方法绘制图形，并用红色圆圈标记最后一个点。
   • 使用 ax.annotate 方法在每个子图中标注最后一个数据点的值。xy 参数指定点的位置，xytext 指定文本的位置和偏移，textcoords 指定坐标系。
4. 布局调整：plt.tight_layout() 自动调整子图的布局以避免重叠。

运行这段代码后，你会看到每个子图中最后一个点都被标记并显示其数值。