Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

2022-11-03人工智能33

如果你认为下面的图比较美观，尤其是标注文本与箭头的连接部分，理论上阅读本文会有所得。

; 一 Plt.annotate函数

参考官网：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.annotate.html

matplotlib.pyplot.annotate(text, xy, *args, **kwargs)。

text：The text of the annotation.

注释文本的内容
* xy：The point (x, y) to annotate. The coordinate system is determined by xycoords
被指向的数据点(x,y)的位置坐标，重要的是：这里的位置坐标值是参考 xycoords参数的值，它表示plot中的点要遵守的坐标系的类型。
* xytext：注释文本的坐标点，也是二维元组，默认与xy参数的值相同。
* xycoords：被注释点的坐标系属性，允许输入的值如下
* textcoords ：注释文本的坐标系属性， 默认与xycoords属性值相同，也可设为不同的值。除了允许输入xycoords的属性值，还允许输入以下两种：ValueDescription'offset points'Offset (in points) from the xy value'offset pixels'Offset (in pixels) from the xy value
* arrowprops：箭头的样式，dict（字典）型数据。
用于在 xy 和 xytext 位置之间 绘制箭头的属性。请注意，指向 xytext 的箭头边缘将以文本本身为中心，并且可能不会直接指向 xytext 中给出的坐标。
官网中指出，该字典参数的key值，会随着arrowstyle键的出现与否而不同，而arrowstyle意味着对箭头的定义：
- 如果没有出现arrowstyle键，则以下键key有效： Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码
- 如果出现了arrowstyle键，则arrowstyle的值的可取值范围如下所示：

大家自行体验即可，适合自己数据的才是最好的。
以下是本人随机挑选的几个用于可视化。
Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码


def flopsA_Anotation(flops_A):
    i = 0
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(14, -80),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-')
                 )
    i = 1
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+14, -98),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='->')
                 )
    i = 2
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+35, +25),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-[')
                 )
    i = 3
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+130, -62),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='|-|')
                 )
    i = 4
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(-30, -50),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(width=2, headwidth=4, headlength=10, shrink=4)
                 )
    i = 5
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+100, -90),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(width=2, headwidth=4, headlength=10, shrink=4)
                 )
    i = 6
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+25, +15),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-|>')
                 )
    i = 7
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+100, +50),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='')
                 )
    i = 8
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+45, +10),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='')
                 )
    i = 9
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+42, +80),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='fancy')
                 )
    i = 10
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+30, -43),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='simple')
                 )
    i = 11
    plt.annotate("{}".format(flops_A[2][i]), xy=(flops_A[0][i] * alpha, flops_A[1][i]), xytext=(+30, -43),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='wedge')
                 )

Annotate函数有众多参数，本文介绍有侧重，倾向于arrowprops中的connectionstyle。

二 Arrowprops参数中的connectionstyle

这一点才是本文的重点。

2.1 connectionstyle的效果图

# arrowprops=dict(arrowstyle='-', connectionstyle="arc,angleA=180,angleB=0,armA=50,armB=0,rad=5")

上面的代码即是connectionstyle参数的使用位置。而它实现的效果是：

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码
左边的图表示没有使用connectionstyle时的arrowprops；而右边的图表示有使用connectionstyle时的arrowprops。因此connectionstyle是决定了箭头与 被指向点A或者 指向点B三者在连接处的细节处理。

; 2.2 connectionstyle的价值意义。

效果见本文的最后的案例效果图，又或者下文的图示， 可以看出，如果能够处理好与标注文本连接的横线，则绘制的图会比较美观，很好的面对点密集的场景。

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

2.3 connectionstyle的参数解释：

参考官网：https://matplotlib.org/stable/tutorials/text/annotations.html#sphx-glr-tutorials-text-annotations-py

2.3.1 connectionstyle的可选值。

我们可以实现下面列出的五个名字；而当以下内容不能满足我们的需求的时候，我们需要使用指定具体的属性 angleA and so on。 Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

2.3.2 `angleA , angleB, rad, armA, armB` 五个参数的意义

A 表示 标注文本的位置；B 表示 被标注点的位置；
另外五个参数通过图示的方式介绍和读者自行尝试得到。
angle的取值是以右水平线即x轴正方向为起始方向；
arm的取值可能跟x轴y轴的度量有关系，本人的例子中，需要指定值超过50时，才会明显的看出 手臂的存在。
rad表示弧度的大小，微调即可。

同时结合下图的demo以更深的理解。

; 2.3.3 使用方式

arrowprops=dict(arrowstyle='-',
                connectionstyle="arc,angleA=180,angleB=0,armA=60,armB=0,rad=1"
                )

arrowprops=dict(arrowstyle='-',
                connectionstyle="angle3"
                )

三经典案例效果图

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

这是我们论文中的图示。展现的是 不同参数组合下的模型准确率与模型复杂度的tradeoff权衡图。
绘制该图涉及三类数据：每个模型的 参数组合（本例中为一个三元组） 、模型准确率和 模型复杂度（由FLOPs表达）。

; 3.1 真实数据

flops_C = [
    [29176296192,
     14052152064,
     6617137920,
     3007642368,
     1200105216,
     292324608],
    [0.93333,
     0.92962962,
     0.944444,
     0.9259259,
     0.92222222,
     0.8888888],
    [
        (6, 32, 1024),
        (5, 32, 512),
        (4, 32, 256),
        (3, 32, 128),
        (2, 32, 64),
        (1, 32, 32),
    ]

]

3.2 代码


import os
import numpy as np
import matplotlib.pyplot as plt

def flopsC_Anotation(flops_C):

    i = 0
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(+20, -30),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-', connectionstyle="arc,angleA=180,angleB=0,armA=65,armB=0,rad=5"))

    i = 1
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(+70, -20),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-',
                                 connectionstyle="arc,angleA=180,angleB=0,armA=70,armB=0,rad=5"
                                 ))

    i = 2
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(-18, +8),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 )

    i = 3
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(+6, -3),
                 fontsize=11, textcoords='offset points', xycoords="data",

                 )

    i = 4
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(+12, -30),
                 fontsize=11, textcoords='offset points', xycoords="data",
                 arrowprops=dict(arrowstyle='-', connectionstyle="arc,angleA=180,angleB=0,armA=50,armB=0,rad=5"))

    i = 5
    plt.annotate("{}".format(flops_C[2][i]), xy=(flops_C[0][i] * alpha, flops_C[1][i]), xytext=(+4, -10),
                 fontsize=11, textcoords='offset points', xycoords="data",

                 )

if __name__ == '__main__':
    flops_C = [
        [29176296192,
         14052152064,
         6617137920,
         3007642368,
         1200105216,
         292324608],
        [0.93333,
         0.92962962,
         0.944444,
         0.9259259,
         0.92222222,
         0.8888888],
        [
            (6, 32, 1024),
            (5, 32, 512),
            (4, 32, 256),
            (3, 32, 128),
            (2, 32, 64),
            (1, 32, 32),
        ]

    ]

    flops_C = np.array(flops_C)

    alpha = 0.0000001

    plt.figure(figsize=(12, 8))
    plt.scatter(flops_C[0] * alpha, flops_C[1], c="#1f77b4", s=np.array([list(x) for x in flops_C[2]])[:, 0] * 10,
                marker="s", label="C")

    flopsC_Anotation(flops_C)

    plt.ylabel("Accuracy [%]", fontsize=13)

    plt.xlim(0, 6000)
    plt.ylim(0.88, 0.95)

    plt.legend()
    plt.grid(linestyle="-.")
    plt.show()

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

Original: https://blog.csdn.net/m0_38052500/article/details/117518301
Author: MarToony|名角
Title: Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

Title: Anaconda安装tensorflow和keras包

1.背景

在Anaconda中无法直接安装这两个包，安装过程异常漫长。

2.准备工作

添加清华源

1.在Anaconda prompt中(可利用全局搜索查找)运行 conda config命令，然后寻找到用户目录下的.condarc文件(如果没找到的话可能是隐藏了，可右键设置显示隐藏文件)
2.将该文件内容更改为
channels:

http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true
ssl_verify: true

若按上述步骤更改文件后显示invaliderror,则先删除.condarc文件，然后运行conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
最后在新创的.condarc文件中重复上述2操作修改文件内容

3.在Anaconda prompt中运行
conda clean -i
//清除索引缓存，保证用的是镜像站提供的索引

3.建立虚拟环境

1.创建环境

打开Anaconda prompt中输入
conda create --name tensorflow python=3.6
//"tensorflow"是你建立的conda虚拟环境的名字
//创建时若出现旋转横线停止旋转的情况可能是因为上述命令行中输入错误
//不论你之前安装的python版本是什么，在这里建议用3.6,兼容性更强，并且因为需要python，tensorflow和keras版本匹配才能顺利安装使用后面所安装的tensorflow和keras均为与python3.6适配的版本，若不使用python3.6创建虚拟环境，请务必百度与自己安装python版本适配的tensorflow和keras,在此特别强调tensorflow和keras必须版本适配否则不能顺利安装使用

2.进入环境

conda activate tensorflow
//进入名为"tensorflow"的虚拟环境

3.安装包

安装tensorflow

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
//上面两行是一个命令行
//安装过程中底行会出现Proceed:y/n:只需要输入一个y即可

测试tensorflow是否安装成功

1.首先创建一个新的工程包
2.配置环境
Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

//参考路径，具体以自己的安装路径为准
3.在project下创建一个test.py，内容如下
import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print©
print(tf. version) //注意这里version两侧分别是两条下划线
4.若运行结果如下则安装成功
Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

; 安装keras

pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
//上面两行是一个命令行

测试keras是否安装成功

1.进入python环境
python
2.导入keras包
import keras
3.若结果为如下图则安装成功
Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码

; 4.可能遇到的问题

1.官网安装Anaconda速度很慢

建议到清华镜像：https://mirrors.tuna.tsinghua.edu.cn/安装
//镜像列表->anaconda->archive->(摁一下date旁边的箭头可将版本从新到旧排列然后安装最上面即最新版本即可)

2.非首次安装Anaconda后发现大量文件缺失

删除用户目录下的.condarc文件，卸载旧文件包重新下载

3.测试tensorflow包时出现如下错误

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码
点击错误报告中的蓝色链接，进入对应的文件，找到对应的行，改成图。

[En]

Click the blue link in the error report to enter the corresponding file, find the corresponding line, and change it to the figure.

; 4.安装包时出现如下错误

Matplotlib箭头风格与标注文本连接|plt.annotate函数与connectionstyle参数的使用与案例代码
该错误是因为安装的tensorflow与keras版本不匹配导致，请卸载原tensorflow包和keras包，百度与自己虚拟环境python版本适配的tensorflow包和keras包，注意tensorflow必须要与keras版本适配

5.导入问题

在python环境中导入tensorflow若出现报错"importerror cannot found name "或者等了一会都完成不了可以重新进入python环境试试import tensorflow as tf

Original: https://blog.csdn.net/qq_48078689/article/details/124273084
Author: gcj_future
Title: Anaconda安装tensorflow和keras包

Original: https://blog.csdn.net/qq_48078689/article/details/124273084
Author: gcj_future
Title: Anaconda安装tensorflow和keras包