matplotlib调用adjust_text时如何将标签推离红色对角参考线

现有如下DataFrame：

d = {'a': [2, 3, 4.5], 'b': [3, 2, 5]}
df = pd.DataFrame(data=d, index=["val1", "val2","val3"])
print(df)

输出为：

a  b
val1  2.0  3
val2  3.0  2
val3  4.5  5

使用如下代码绘制散点图、添加y=x红色参考线，并调用adjust_text调整散点标签位置：

fig, ax=plt.subplots(figsize=(10,10))

ax.scatter(df["a"], df["b"],s=1)

x1=[0, 2512]
y1=[0, 2512]
ax.plot(x1,y1, 'r-')

ax = plt.gca()
ax.set_xlim([0, 10])
ax.set_ylim([0, 10])

TEXTS = []
for idx, names in enumerate(df.index.values):
    x, y = df["a"].iloc[idx], df["b"].iloc[idx]
    TEXTS.append(ax.text(x, y, names, fontsize=12))

adjust_text(
    TEXTS, 
    expand_points=(2.5, 2.5),
    expand_text=(2.5,2),
    autoalign="xy", 
    arrowprops=dict(arrowstyle="-", lw=1),
    ax=ax
)

当前运行效果如下，标签会贴近甚至压在红色对角线上，无法实现标签远离对角线的预期排布：

预期排布效果如下：

核心原因是adjust_text默认仅对散点、其他文本标签做避让计算，不会主动识别手动绘制的参考线，所以不会主动把标签推离对角线，有两种可直接落地的实现方案：

• 方案1：手动预设标签初始偏移（效果最可控，和预期匹配度最高）
  点数量较少时，可直接根据每个点相对于y=x对角线的位置，给标签设置初始偏移方向：对角线上方（b>a）的点标签往左上偏移，对角线下方（b<a）的点标签往右下偏移，后续让adjust_text仅处理标签之间的避让即可，修改后的代码：

  TEXTS = []
  base_offset = 0.3
  for idx, names in enumerate(df.index.values):
      x, y = df["a"].iloc[idx], df["b"].iloc[idx]
      if y > x:
          # 线上方点：标签往左上偏移
          tx, ty = x - base_offset, y + base_offset
      else:
          # 线下方点：标签往右下偏移
          tx, ty = x + base_offset, y - base_offset
      TEXTS.append(ax.text(tx, ty, names, fontsize=12, ha='center', va='center'))
  
  adjust_text(
      TEXTS, 
      expand_points=(1.5, 1.5),
      expand_text=(1.5,1.5),
      autoalign="xy", 
      arrowprops=dict(arrowstyle="-", lw=1),
      ax=ax
  )
  

• 方案2：将对角线传入避让对象列表（适合数据量大的场景）
  adjust_text提供add_objects参数，支持传入自定义的matplotlib绘图对象作为避让目标，将红色对角线传入后，算法会自动计算位置避开该线，修改代码如下：

  # 绘制对角线时保存对象引用
  diag_line, = ax.plot(x1,y1, 'r-')
  
  adjust_text(
      TEXTS, 
      expand_points=(2.5, 2.5),
      expand_text=(2.5,2),
      autoalign="xy", 
      arrowprops=dict(arrowstyle="-", lw=1),
      ax=ax,
      add_objects=[diag_line],
      expand_objects=(1.2, 1.2) # 控制和对角线的避让距离
  )
  

内容的提问来源于stack exchange，提问作者Limmi