1. 绘图

利用下面的代码，绘制柱状图。

#  season number , warning!!! not percent
def season_number(data_all_profile, output_num_season_png, sector_id=None, terrain=None, label=None):
    df_season = data_all_profile['season'].value_counts()
    # 希望的排序列表
    desired_order = ['spring', 'summer', 'autumn', 'winter']

    # 使用reindex方法按指定顺序重新排序
    sorted_result = df_season.reindex(desired_order)

    df_season = pd.DataFrame(sorted_result)
    df_season.rename(columns={
    'season': 'count'}, inplace=True)
    df_season = df_season.reset_index().rename(columns={
    'index': 'season'})

    # 创建柱状图
    plt.figure(figsize=(5, 3))
    bars = plt.bar(df_season['season'], df_season['count'], width=0.3)

    # 添加数据标签
    for bar in bars:
        height = bar.get_height()
        plt.annotate(f'{
      height}',
                     xy=(bar.get_x() + bar.get_width() / 2, height),
                     xytext=(0, 3),  # 3 points vertical offset
                     textcoords="offset points",
                     ha='center', va='bottom')

    # 调整y轴上限，以确保标签可见
    plt.ylim(0, max(df_season['count']) * 1.1)

    plt.xticks(rotation=0)
    plt.xlabel('season', fontsize=11)
    plt.ylabel('数量(个)', fontsize=11)
    plt.title('各季节风廓线数量分布')
    plt.title(f'{
      terrain}-区域{
      sector_id}各季节风廓线数量分布')
    plt.tight_layout()
    plt.savefig(output_num_season_png)  # 将图片保存为 output.png 文件
    plt.close()

2. 解读

2.1 绘制标签

难点：绘制标签

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    plt.annotate(f'{
      height}',
                 xy=(bar.get_x() + bar.get_width() / 2, height),
                 xytext=(0, 3),  # 3 points vertical offset
                 textcoords="offset points",
                 ha='center', va='bottom')

bar.get_height()用于获取柱子的高度，也就是柱状图中每个柱子的高度值。在上面的代码中，我们使用这个高度值来确定要在柱子上方添加的数据标签的位置。

具体来说，这行代码：

height = bar.get_height()

将height设置为当前柱子的高度。然后，在plt.annotate()函数中，我们使用xy参数将标签的位置设置在柱子的中间，而height表示了柱子的高度，因此数据标签会被添加到每个柱子的中间位置，以显示柱子所代表的数据值。

这是一种常见的用法，用于在柱状图中添加数据标签。

2.2 代码解读

解释：xy=(bar.get_x() + bar.get_width() / 2, height)

代码 xy=(bar.get_x() + bar.get_width() / 2, height) 主要用于确定要放置数据标签的位置，具体来说：

1. bar.get_x() 获取柱子的左边界的 x 坐标。
2. bar.get_width() 获取柱子的宽度。
3. bar.get_x() + bar.get_width() / 2 计算出柱子的中心 x 坐标。
4. height 是柱子的高度，即柱子所代表的数据值。

这行代码将数据标签的位置设置为柱子的中心，横坐标为柱子中心的 x 坐标，纵坐标为柱子的高度，这样标签就会位于柱子的顶部中央，以显示柱子所代表的具体数据值。

例如，假设某个柱子的左边界的 x 坐标是 10，宽度是 2，高度是 20，那么这行代码的计算如下：

1. bar.get_x() 得到 10。
2. bar.get_width() 得到 2。
3. bar.get_x() + bar.get_width() / 2 得到 11，这是柱子的中心 x 坐标。
4. height 得到 20，柱子的高度。

因此，xy参数被设置为 (11, 20)，这是数据标签的位置，使得标签位于柱子的中央顶部，以显示数据值 20。这种方法可确保数据标签位于柱子的合适位置，使得图表更易于理解。

2.3 xytext=(0, 3)

xytext 参数用于指定标签文本的偏移量，它是一个二元组，表示文本相对于 xy 参数指定的坐标的偏移量，其中第一个值表示水平偏移，第二个值表示垂直偏移。

在代码中，xytext=(0, 3) 的含义是：

• 水平偏移为 0，表示标签文本在水平方向上不进行偏移。
• 垂直偏移为 3，表示标签文本在垂直方向上相对于 xy 参数指定的坐标向上偏移 3 个单位。

这个偏移的目的是为了让数据标签稍微上移一点，以使标签文本不会与柱子的顶部重叠，从而更清晰地显示数据标签。通过微小的垂直偏移，可以改善标签的可读性，确保它们不会覆盖柱子或其他元素。

您可以根据需要调整 xytext 参数的值，以更好地控制标签的位置和外观。

2.4 textcoords=“offset points”

textcoords="offset points" 是 annotate 函数中的一个参数，用于指定文本注释的坐标系统。具体来说，它告诉函数如何解释 xy 和 xytext 参数中的坐标值。

在这种情况下，textcoords 被设置为 "offset points"，意味着 xy 和 xytext 中的坐标值将被解释为以点（points）为单位的偏移量。这是为了方便指定相对于柱子或数据点的偏移量，而不是使用绝对的坐标值。

例如，如果您设置 xy=(11, 20) 和 xytext=(0, 3)，那么这意味着：

• xy=(11, 20) 表示数据标签的基准点位于柱子中心的水平位置 x=11，垂直位置 y=20。
• xytext=(0, 3) 表示相对于 xy 指定的点，文本标签将向水平和垂直方向分别偏移 0 个点和 3 个点。

通过这种方式，您可以方便地指定相对于数据点的偏移量，以更好地控制标签的位置。如果您选择其他坐标系统，例如 "figure fraction" 或 "axes fraction"，那么坐标值将被解释为相对于图形或轴的比例位置。

ha 和 va 是 annotate 函数中的参数，用于控制文本注释（标签）的水平对齐和垂直对齐方式。

• ha 表示水平对齐方式，它有以下可能的取值：

  • 'center'：文本水平居中对齐，默认值。
  • 'left'：文本左对齐。
  • 'right'：文本右对齐。

• va 表示垂直对齐方式，它有以下可能的取值：

  • 'center'：文本垂直居中对齐，默认值。
  • 'top'：文本顶部对齐。
  • 'bottom'：文本底部对齐。

在您提供的代码中，ha='center' 表示文本水平居中对齐，va='bottom' 表示文本底部对齐。这意味着数据标签的文本将以底部对齐到 xy 指定的点。通常，这是一个常见的设置，以确保标签文本在柱子或数据点的底部显示，使其更易于阅读。

如果需要，您可以根据需要更改这些参数，以调整标签的水平和垂直对齐方式，以满足您的可视化需求。例如，将 va 设置为 'center' 将使文本垂直居中对齐，而将 ha 设置为 'left' 将使文本左对齐。

3.标签获取（解读）

for category in normalized_table_T.index:
    for i, value in enumerate(normalized_table_T.loc[category]):
        plt.text(i, value, f'{
      value:.2f}', ha='center', va='bottom', fontsize=10,
                 color=colors[normalized_table_T.index.get_loc(category)])

这段代码主要是用于在图表上为每个数据点添加文本标签。下面是对代码的逐行解读：

1. for category in normalized_table_T.index:：这一行是遍历normalized_table_T的索引，其中normalized_table_T是一个pandas DataFrame。

2. for i, value in enumerate(normalized_table_T.loc[category]):：这一行是遍历给定类别category下的所有值。enumerate用于获取每个值的索引i和值value。

3. plt.text(i, value, f'{value:.2f}', ha='center', va='bottom', fontsize=10, color=colors[normalized_table_T.index.get_loc(category)])：这一行是用于在图表上添加文本标签的。

   • i, value：这是文本标签的位置。i是x坐标，value是y坐标。
   • f'{value:.2f}'：这是要显示的文本，它使用f-string格式化，显示value的值并保留两位小数。
   • ha='center', va='bottom'：这些是文本对齐选项。ha是水平对齐方式，这里设置为居中；va是垂直对齐方式，这里设置为底部。
   • fontsize=10：设置字体大小为10。
   • color=colors[normalized_table_T.index.get_loc(category)]：设置文本颜色。它从colors列表中获取一个颜色值，这个列表应该事先定义好了。normalized_table_T.index.get_loc(category)获取category在normalized_table_T索引中的位置，然后用这个位置从colors列表中获取颜色。

总的来说，这段代码遍历一个名为normalized_table_T的DataFrame，并在每个数据点上添加一个显示其值的文本标签，这些标签在图表上是居中且位于数据点的下方，字体大小为10，颜色根据类别从colors列表中获取。