如何在极坐标 matplotlib plot 上使用 plot 带有文本（即标签）的水平线？ （Python）

Question

我正在尝试 label 我的极坐标 plot 中的节点。 有 3 个“轴”被拆分，我已经弄清楚如何使用象限到 select 哪些节点到 label。 但是，我不知道如何将这些对齐在 plot （即axis_maximum ）的边缘。 我花了几个小时试图弄清楚这一点。 我最好的选择是用. 在左边或右边，但这是一个固定的数字，当点太多时会变得混乱。 此外，当有很多点时，这种方法超出了 plot 的“循环”性质。 我做了一些三角函数来计算所有内容的长度，但这很难使用文本单元来实现，例如. .

如果有人可以提供帮助，将不胜感激。 我在下面展示了 plot 的样子，然后用红色添加了我想要实现的内容。 mock图中的label对应for循环中的name_node 。 理想情况下，我想避免使用像. 宁愿使用实际的matplotlib Line linestyle ，所以我可以指定线条样式，如:或- 。

总之，我想做以下事情：

1. 添加从我的“轴”延伸到 plot 外边缘的水平线（取决于象限的右侧或左侧）
2. 在 (1) 的行尾，我想添加name_node文本。

编辑：

• 我添加了一个尝试覆盖笛卡尔轴，然后 plot 这条线。 没有成功。

---

import numpy as np
from numpy import array # I don't like this but it's for loading in the pd.DataFrame
import pandas as pd 
import matplotlib.pyplot as plt
df = pd.DataFrame({'node_positions_normalized': {'iris_100': 200.0, 'iris_101': 600.0, 'iris_102': 1000.0, 'iris_0': 200.0, 'iris_1': 600.0, 'iris_2': 1000.0, 'iris_50': 200.0, 'iris_51': 600.0, 'iris_52': 1000.0}, 'theta': {'iris_100': array([5.42070629, 6.09846678]), 'iris_101': array([5.42070629, 6.09846678]), 'iris_102': array([5.42070629, 6.09846678]), 'iris_0': array([1.23191608, 1.90967657]), 'iris_1': array([1.23191608, 1.90967657]), 'iris_2': array([1.23191608, 1.90967657]), 'iris_50': array([3.32631118, 4.00407168]), 'iris_51': array([3.32631118, 4.00407168]), 'iris_52': array([3.32631118, 4.00407168])}})
axis_maximum = df["node_positions_normalized"].max()
thetas = np.unique(np.stack(df["theta"].values).ravel())


def pol2cart(rho, phi):
    x = rho * np.cos(phi)
    y = rho * np.sin(phi)
    return(x, y)

def _get_quadrant_info(theta_representative):
    # 0/360
    if theta_representative == np.deg2rad(0):
        quadrant = 0
    # 90
    if theta_representative == np.deg2rad(90):
        quadrant = 90
    # 180
    if theta_representative == np.deg2rad(180):
        quadrant = 180
    # 270
    if theta_representative == np.deg2rad(270):
        quadrant = 270

    # Quadrant 1
    if np.deg2rad(0) < theta_representative < np.deg2rad(90):
        quadrant = 1
    # Quadrant 2
    if np.deg2rad(90) < theta_representative < np.deg2rad(180):
        quadrant = 2
    # Quadrant 3
    if np.deg2rad(180) < theta_representative < np.deg2rad(270):
        quadrant = 3
    # Quadrant 4
    if np.deg2rad(270) < theta_representative < np.deg2rad(360):
        quadrant = 4
    return quadrant
    
    
with plt.style.context("seaborn-white"):
    fig = plt.figure(figsize=(8,8))
    ax = plt.subplot(111, polar=True)
    ax_cartesian = fig.add_axes(ax.get_position(), frameon=False, polar=False)
    ax_cartesian.set_xlim(-axis_maximum, axis_maximum)
    ax_cartesian.set_ylim(-axis_maximum, axis_maximum)

    # Draw axes
    for theta in thetas:
        ax.plot([theta,theta], [0,axis_maximum], color="black")
        
    # Draw nodes
    for name_node, data in df.iterrows():
        r = data["node_positions_normalized"]
        for theta in data["theta"]:
            ax.scatter(theta, r, color="teal", s=150, edgecolor="black", linewidth=1, alpha=0.618)
        # Draw node labels
        quadrant = _get_quadrant_info(np.mean(data["theta"]))
 
        # pad on the right and push label to left
        if quadrant in {1,4}:
            theta_anchor_padding = min(data["theta"])
        # pad on left and push label to the right
        if quadrant in {2,3}:
            theta_anchor_padding = max(data["theta"])
            
        # Plot
        ax.text(
            s=name_node,
            x=theta_anchor_padding,
            y=r,
            horizontalalignment="center",
            verticalalignment="center",
        )
    
    ax.set_rlim((0,axis_maximum))
    
    # Convert polar to cartesian and plot on cartesian overlay?
    xf, yf = pol2cart(theta_anchor_padding, r) #fig.transFigure.inverted().transform(ax.transData.transform((theta_anchor_padding, r)))
    ax_cartesian.plot([xf, axis_maximum], [yf, yf])

Answer 1

您可以使用annotate代替text ，这使您可以独立于点坐标指定文本坐标和文本坐标系。 我们将文本放置在图形坐标中（ 0到1 ，详见此处）。 在设置r限制后，获取从数据到图形坐标的转换非常重要。

with plt.style.context("seaborn-white"):
    fig = plt.figure(figsize=(8,8))
    ax = plt.subplot(111, polar=True)
    ax.set_rlim((0,axis_maximum))
    ann_transf = ax.transData + fig.transFigure.inverted() 

    # Draw axes
    for theta in thetas:
        ax.plot([theta,theta], [0,axis_maximum], color="black")
    
    
    # Draw nodes
    for name_node, data in df.iterrows():
        r = data["node_positions_normalized"]
        for theta in data["theta"]:
            ax.scatter(theta, r, color="teal", s=150, edgecolor="black", linewidth=1, alpha=0.618)
        # Draw node labels
        quadrant = _get_quadrant_info(np.mean(data["theta"]))
 
        # pad on the right and push label to left
        if quadrant in {1,4}:
            theta_anchor_padding = min(data["theta"])
        # pad on left and push label to the right
        if quadrant in {2,3}:
            theta_anchor_padding = max(data["theta"])
            
        # Plot
        _,y = ann_transf.transform((theta_anchor_padding, r))
        ax.annotate(name_node, 
                    (theta_anchor_padding,r), 
                    (0.91 if quadrant in {1,4} else 0.01, y),
                    textcoords='figure fraction',
                    arrowprops=dict(arrowstyle='-', color='r'),
                    color='r',
                    verticalalignment='center'
        )