1.标注坐标

我们不能在这里使用xydata计算坐标，因为axline()只是返回dummy xydata（可能是由于matplotlib内部绘制无限直线的方式）：

print(line.get_xydata())
# array([[0., 0.],
#        [1., 1.]])

字符串
相反，我们可以根据xlim()计算文本坐标：

xmin, xmax = plt.xlim()
xtext = (xmin + xmax) // 2
ytext = k*xtext + n

型
请注意，这些是数据坐标，因此它们应该与xycoords='data'一起使用，而不是'axes fraction'。

2.标注Angular

我们不能纯粹从线点计算Angular ，因为Angular 还取决于轴限制和图形尺寸（例如，想象6x4图形与2x8图形中所需的旋转Angular ）。
相反，我们应该normalize the calculation to both scales来获得正确的视觉旋转：

的数据

rs = np.random.RandomState(0)
x = 50 * rs.rand(20) + 50
y = 200 * rs.rand(20)
plt.plot(x, y, 'o')

# save ax and fig scales
xmin, xmax = plt.xlim()
ymin, ymax = plt.ylim()
xfig, yfig = plt.gcf().get_size_inches()

k, n, r, _, _ = scipy.stats.linregress(x, y)
plt.axline((0, n), slope=k, color='blue')

# restore x and y limits after axline
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)

# find text coordinates at midpoint of regression line
xtext = (xmin + xmax) // 2
ytext = k*xtext + n

# find run and rise of (xtext, ytext) vs (0, n)
dx = xtext
dy = ytext - n

# normalize to ax and fig scales
xnorm = dx * xfig / (xmax - xmin)
ynorm = dy * yfig / (ymax - ymin)

# find normalized annotation angle in radians
rotation = np.rad2deg(np.arctan2(ynorm, xnorm))

plt.annotate(
    f'$R^2={r**2:.3f}$',
    (xtext, ytext), xycoords='data',
    ha='center', va='bottom',
    rotation=rotation, rotation_mode='anchor',
)

型