当我们获取完数据之后，一般来说数据可视化呈现的最基础图形就是：柱状图、水平条形图、折线图等等，在python的matplotlib库中分别可用bar、barh、plot函数来构建它们，再使用xticks与yticks(设置坐标轴刻度)、xlabel与ylabel(设置坐标轴标签)、title(标题)、legend(图例)、xlim与ylim(设置坐标轴数据范围)、grid(设置网格线)等命令来装饰图形，让它更明晰与美观，但是对于数据标签(即在图形中的每一个点或条形位置上标注出相应数值)，却没有直接的命令导出。我们看很多python可视化做出的柱状图等等，在柱子数量不多的条件下，没有数据标签，只有光秃秃的一个个柱子，这样就使得图形缺了些什么。事实上，在python的matplotlib中有在图形中添加文字说明的命令——text，我们就可以利用这个命令，在图中每个单位要素中添加相应文字，来构造数字标签。
以本人专栏知乎专栏写的《大数据时代，哪些课程最受欢迎？》所爬取数据为例，经过numpy得到了不同课程类别下的平均学习人数，如图：
plt.figure(figsize=(10,6))
#设置x轴柱子的个数
x=np.arange(14)+1 #课程品类数量已知为14，也可以用len(ppv3.index)
#设置y轴的数值，需将numbers列的数据先转化为数列，再转化为矩阵格式
y=np.array(list(ppv3['numbers']))
xticks1=list(ppv3.index) #构造不同课程类目的数列
#画出柱状图
plt.bar(x,y,width = 0.35,align='center',color = 'c',alpha=0.8)
#设置x轴的刻度，将构建的xticks代入，同时由于课程类目文字较多，在一块会比较拥挤和重叠，因此设置字体和对齐方式
plt.xticks(x,xticks1,size='small',rotation=30)
#x、y轴标签与图形标题
plt.xlabel('课程主题类别')
plt.ylabel('number')
plt.title('不同课程类别的平均学习人数')
**#设置数字标签**
**for a,b in zip(x,y):**
** plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=7)**
#设置y轴的范围
plt.ylim(0,3700)
plt.show()
最终得到的图形为：
不同类别学习人数.png
着重讲一下如何设置数字标签
#设置数字标签
for a,b in zip(x,y):
plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=7)
首先，前边设置的x、y值其实就代表了不同柱子在图形中的位置(坐标)，通过for循环找到每一个x、y值的相应坐标——a、b，再使用plt.text在对应位置添文字说明来生成相应的数字标签，而for循环也保证了每一个柱子都有标签。
其中，a, b+0.05表示在每一柱子对应x值、y值上方0.05处标注文字说明， '%.0f' % b,代表标注的文字，即每个柱子对应的y值， ha='center', va= 'bottom'代表horizontalalignment(水平对齐)、verticalalignment(垂直对齐)的方式，fontsize则是文字大小。
条形图、折线图也是如此设置，饼图则在pie命令中有数据标签的对应参数。对于累积柱状图、双轴柱状图则需要用两个for循环，同时通过a与b的不同加减来设置数据标签位置，比如在本文另一文章[《双十一预售战下的电商风云》](/p/23492721
) ，如图：
电商平台商品评价.png
其命令为：
电商代码.png
