Matplotlib 的坐标系统非常灵活,主要涉及以下几个核心概念：

1. 数据坐标：你传入 plot(), scatter(), text() 等函数的原始 X, Y 值。
2. 轴坐标：一个 0 到 1 的范围，(0, 0) 是轴的左下角，(1, 1) 是轴的右上角。
3. 图形坐标：也是一个 0 到 1 的范围，但它是相对于整个图形窗口的，(0, 0) 是图形的左下角，(1, 1) 是图形的右上角。
4. 变换对象：用于在不同坐标系统之间进行转换的桥梁。

下面我们详细分解这些概念,并通过代码示例来演示。

数据坐标

这是最直观、最常用的坐标系统，当你绘制数据时,你使用的就是数据坐标。

特点：

• 由你的数据决定范围。
• X 轴和 Y 轴的刻度是根据数据范围自动生成的。
• 这是你绘制图表内容（线、点、柱状图等）时默认使用的坐标系统。

示例： 我们绘制一个简单的正弦波，图上的点 (0, 0), (π/2, 1), (π, 0) 等就是数据坐标。

import numpy as np
import matplotlib.pyplot as plt
# 准备数据
x = np.linspace(0, 2 * np.pi, 400)
y = np.sin(x)
# 创建图形和轴
fig, ax = plt.subplots()
# 使用数据坐标绘图
ax.plot(x, y)
# 在数据坐标 (π/2, 0.5) 处添加一个点
ax.plot(np.pi/2, 0.5, 'ro') # 'ro' 表示红色圆点
# 在数据坐标 (π, 0) 处添加文本
ax.text(np.pi, 0, 'Peak at (π, 0)', ha='center') # ha='center' 表示文本水平居中
和标签
ax.set_title("Data Coordinates Example")
ax.set_xlabel("X-axis (data)")
ax.set_ylabel("Y-axis (data)")
plt.show()

输出： 你会看到一个正弦波，在 x=π/2, y=0.5 的位置有一个红点，在 x=π, y=0 的位置有文字标签，这些元素的位置都是由 plot() 和 text() 函数中的原始数据值决定的。

轴坐标

当你想在当前坐标轴的特定位置（图例、注释）放置元素时，轴坐标非常有用，它将整个轴（包括刻度标签）视为一个单位矩形。

特点：

• 范围是 [0, 1]。
• (0, 0) 是轴的左下角（内部）。
• (1, 1) 是轴的右上角（内部）。
• 主要用于放置图例、注释文本等辅助元素。

如何使用： 在 text(), annotate(), legend() 等函数中，使用 transform=ax.transAxes 参数来指定使用轴坐标。

示例： 我们在轴的右上角（0.95, 0.95）添加一个注释，在左下角（0.05, 0.05）添加一个文本。

import numpy as np
import matplotlib.pyplot as plt
# 准备数据
x = np.linspace(0, 10, 100)
y = x**2
fig, ax = plt.subplots()
ax.plot(x, y)
# 使用轴坐标
# ax.transAxes 表示使用当前轴的坐标系统
# (0.95, 0.95) 表示轴的95%宽度和95%高度的位置
# va='top', ha='right' 使文本的顶部和右部对准该点
ax.text(0.95, 0.95, 'Top-Right Corner of Axes',
        transform=ax.transAxes,
        va='top', ha='right',
        bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5))
# 在左下角添加文本
ax.text(0.05, 0.05, 'Bottom-Left Corner of Axes',
        transform=ax.transAxes,
        va='bottom', ha='left')
ax.set_title("Axes Coordinates Example")
ax.set_xlabel("X-axis")
ax.set_ylabel("Y-axis")
plt.show()

输出： 你会看到，无论坐标轴如何缩放,这两个文本标签始终固定在坐标轴区域的右上角和左下角。

图形坐标

图形坐标的范围也是 [0, 1]，但它是相对于整个图形窗口的,而不是单个坐标轴。

特点：

• 范围是 [0, 1]。
• (0, 0) 是图形窗口的左下角。
• (1, 1) 是图形窗口的右上角。
• 当你想在图形的任意位置（多个轴之间的空白处）添加文本或图形时非常有用。

如何使用： 使用 transform=fig.transFigure 参数。

示例： 我们创建两个并排的子图，然后在图形的正中央（0.5, 0.5）添加一个标题。

import matplotlib.pyplot as plt
# 创建一个 1x2 的子图布局
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
# 在第一个子图上画图
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title("Axes 1")
# 在第二个子图上画图
ax2.scatter([1, 2, 3], [6, 5, 4])
ax2.set_title("Axes 2")
# 使用图形坐标在图形中央添加一个总标题
# (0.5, 0.95) 表示图形宽度50%，高度95%的位置
# va='top' 使文本底部对准该点，这样文本就会在点的上方
fig.text(0.5, 0.95, 'This is a Figure-Level Title',
         ha='center', va='top',
         fontsize=16, transform=fig.transFigure)
plt.tight_layout() # 自动调整子图参数，使之填充整个图像区域
plt.show()

输出： 你会看到两个并排的子图，一个总标题位于整个图形窗口的顶部中央,这个标题的位置不受任何子图的影响。

变换对象

变换对象是 Matplotlib 坐标系统的核心,它定义了如何将一种坐标系统中的点转换为另一种坐标系统中的点。

• ax.transData: 从数据坐标到显示坐标的变换。
• ax.transAxes: 从轴坐标到显示坐标的变换。
• fig.transFigure: 从图形坐标到显示坐标的变换。
• ax.transData.inverted(): 反向变换,从显示坐标到数据坐标。

实用场景：获取鼠标点击位置的数据坐标

这是一个非常实用的技巧,可以让你通过鼠标交互来获取数据点的具体值。

import numpy as np
import matplotlib.pyplot as plt
# 准备数据
x = np.linspace(0, 2*np.pi, 500)
y = np.sin(x)
fig, ax = plt.subplots()
ax.plot(x, y)
# 定义一个鼠标点击事件处理函数
def onclick(event):
    # 检查点击是否在轴上
    if event.inaxes == ax:
        # ax.transData.inverted() 将显示坐标（event.xdata, event.ydata）
        # 转换回数据坐标
        data_x, data_y = event.xdata, event.ydata
        # 清除之前的注释（如果有的话）
        for txt in ax.texts:
            if hasattr(txt, '_is_click_annotation'):
                txt.remove()
        # 添加新的注释
        ax.text(data_x, data_y, f'({data_x:.2f}, {data_y:.2f})',
                color='red', ha='left', va='bottom')
        # 给文本对象添加一个属性，方便下次识别
        ax.texts[-1]._is_click_annotation = True
        # 重绘图形
        fig.canvas.draw_idle()
# 连接事件
fig.canvas.mpl_connect('button_press_event', onclick)
ax.set_title("Click on the plot to see data coordinates")
plt.show()

输出： 运行代码后，点击曲线上的任意一点，就会在该点旁边显示其对应的数据坐标（x, y）。

总结与对比

掌握这三种坐标系统以及它们之间的转换，将让你能够精确控制 Matplotlib 图表中每一个元素的位置，从而创建出专业、美观的可视化图表。