一、Bar图文字竖排需求分析

在数据可视化场景中，当X轴标签文字较长时（如中文城市名、产品全称等），横向排列会导致标签重叠或显示不全。竖排文字能有效解决这个问题，提升图表可读性。Matplotlib默认不支持自动竖排，但可通过旋转和自定义布局实现类似效果。

核心实现方案

1. 基础旋转方案（90度）

import matplotlib.pyplot as plt
import numpy as np
categories = ['北京', '上海', '广州', '深圳', '杭州']
values = [23, 45, 56, 78, 33]
fig, ax = plt.subplots(figsize=(8, 6))
bars = ax.bar(categories, values)
# 关键设置：旋转90度，垂直对齐底部
ax.set_xticklabels(categories, rotation=90, va='bottom')
plt.tight_layout()  # 自动调整子图参数
plt.show()

2. 自定义竖排实现（文字垂直排列）

当需要完全垂直排列（每个字符上下排列）时，需借助文本旋转和位置调整：

import matplotlib.pyplot as plt
from matplotlib.offsetbox import AnchoredText
def vertical_text(ax, x_pos, text, height=0.03):
    """在指定位置创建垂直文本"""
    at = AnchoredText(
        '\n'.join(list(text)),  # 将字符串拆分为列表后用换行符连接
        loc='upper left',
        prop=dict(size=10),
        frameon=False,
        bbox_to_anchor=(x_pos, 0.5),
        bbox_transform=ax.transAxes
    )
    at.patch.set_boxstyle("round,pad=0.,rounding_size=0.2")
    ax.add_artist(at)
fig, ax = plt.subplots(figsize=(8, 6))
categories = ['北京', '上海', '广州']
values = [23, 45, 56]
bars = ax.bar(range(len(categories)), values)
ax.set_xticks([])  # 隐藏默认x轴
# 为每个柱子添加垂直文本
for i, cat in enumerate(categories):
    vertical_text(ax, i/len(categories), cat)
plt.show()

二、通用文字排版技术

1. Matplotlib文本属性详解

属性	说明	示例值
rotation	旋转角度	45, ‘vertical’
va	垂直对齐	‘top’, ‘center’, ‘baseline’
ha	水平对齐	‘left’, ‘center’, ‘right’
wrap	自动换行	True
multialignment	多行对齐	‘left’, ‘center’

2. 复杂布局实现

多行标签处理

fig, ax = plt.subplots(figsize=(8, 6))
cities = ['北京市\n朝阳区', '上海市\n浦东新区', '广州市\n天河区']
values = [65, 82, 73]
bars = ax.bar(cities, values)
ax.set_xticklabels(cities, rotation=0, ha='center')
plt.tight_layout()
plt.show()

自动换行实现

from matplotlib.ticker import MaxNLocator
def autowrap_labels(ax, max_chars=5):
    """自动换行处理长标签"""
    labels = [item.get_text() for item in ax.get_xticklabels()]
    new_labels = []
    for label in labels:
        if len(label) > max_chars:
            # 简单按字符数分割（实际项目可能需要更智能的分割）
            parts = [label[i:i+max_chars] for i in range(0, len(label), max_chars)]
            new_labels.append('\n'.join(parts))
        else:
            new_labels.append(label)
    ax.set_xticklabels(new_labels, rotation=0, ha='center')
fig, ax = plt.subplots()
long_labels = ['超长标签需要换行处理', '短标签', '另一个超长标签示例']
ax.bar(long_labels, [10, 20, 15])
autowrap_labels(ax)
plt.show()

三、Pillow库的高级排版

当需要更灵活的文字布局时，Pillow提供了强大的图像处理能力：

1. 基础文字绘制

from PIL import Image, ImageDraw, ImageFont
# 创建空白图像
img = Image.new('RGB', (400, 300), color=(255, 255, 255))
draw = ImageDraw.Draw(img)
# 加载字体（需指定字体文件路径）
try:
    font = ImageFont.truetype("simhei.ttf", 20)
except:
    font = ImageFont.load_default()
# 绘制垂直文本
text = "垂直文本示例"
x, y = 100, 50
for char in text:
    draw.text((x, y), char, fill='black', font=font)
    y += 25  # 每个字符下移25像素
img.save('vertical_text.png')

2. 复杂排版实现

def draw_vertical_text_column(draw, x, y, text, font, line_height=30):
    """绘制垂直排列的文本列"""
    for i, char in enumerate(text):
        draw.text((x, y + i*line_height), char, fill='black', font=font)
img = Image.new('RGB', (500, 400), (255, 255, 255))
draw = ImageDraw.Draw(img)
try:
    font = ImageFont.truetype("msyh.ttc", 24)  # 微软雅黑
except:
    font = ImageFont.load_default()
# 绘制多列垂直文本
columns = [
    "第一列文本内容",
    "第二列较长文本",
    "第三列"
]
x_positions = [50, 180, 310]
for col, x in zip(columns, x_positions):
    draw_vertical_text_column(draw, x, 50, col, font)
img.save('multi_column_vertical.png')

四、最佳实践建议

1. 字体选择：中文显示推荐使用”SimHei”、”Microsoft YaHei”或”WenQuanYi Zen Hei”等字体
2. 性能优化：对于大量文本渲染，预先计算位置信息
3. 跨平台兼容：使用matplotlib.font_manager查找可用字体：

   from matplotlib.font_manager import fontManager
   print([f.name for f in fontManager.ttflist if 'Hei' in f.name])

4. 动态调整：结合plt.tight_layout()和subplots_adjust处理复杂布局
5. 导出设置：保存图片时指定dpi参数保证清晰度：

   plt.savefig('output.png', dpi=300, bbox_inches='tight')

五、常见问题解决方案

1. 中文显示乱码：

   • 解决方案：指定中文字体路径

     plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows系统
     plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

2. 标签重叠：

   • 解决方案：调整图形大小或使用plt.xticks(rotation=45)

3. Pillow字体加载失败：

   • 解决方案：使用绝对路径或确保字体文件存在于工作目录

4. Matplotlib版本兼容性：

   • 建议使用最新稳定版（通过pip install --upgrade matplotlib更新）

通过以上技术方案，开发者可以灵活实现Python中的文字竖排和复杂排版需求。实际应用中，应根据具体场景选择最适合的方法，并注意测试不同平台下的显示效果。对于商业项目，建议建立统一的排版规范和字体管理系统，确保视觉效果的一致性。