【matplotlib基础】--图例
Matplotlib 中的图例是帮助观察者理解图像数据的重要工具。图例通常包含在图像中，用于解释不同的颜色、形状、标签和其他元素。
1. 主要参数
当不设置图例的参数时，默认的图例是这样的。
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
fig = plt.figure()
ax = fig.add_axes()
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend()
图例就是右上角的那个部分。
图例的主要参数，其实也就是上例 ax.lengend() 函数的主要参数：
[*]图例位置相关：loc （位置字符串）
[*]边框相关：facecolor（背景色），edgecolor（边框颜色），shadow（是否设置阴影）framemon（是否有边框和背景）
[*]图例的列数：默认是1列多行的格式，ncol（列的个数）
2. 配置示例
通过示例来演示常用的设置。
2.1. 图例位置
fig, ax = plt.subplots(3, 3)
fig.set_size_inches(10, 10)
locations = [
["lower left", "lower center", "lower right"],
["center left", "center", "center right"],
["upper left", "upper center", "upper right"],
]
for i in range(3):
for j in range(3):
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend(loc=locations)
上面的示例显示了不同位置的图例。
2.2. 图例边框
边框可以设置边框的背景色，边框颜色和是否有阴影。
fig = plt.figure()
ax = fig.add_axes()
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend(facecolor="lightblue", edgecolor="red", shadow=True)
上例中，背景色 lightblue，边框 red，阴影设置为 True。
设置无边框比较简单，frameon=False 即可。
fig = plt.figure()
ax = fig.add_axes()
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend(frameon=False)
2.3. 图例分列
图例默认都是一列多行的格式，比如上面的的各个示例，图例都是依次竖着排列下来的。
可以通过 ncol 属性，让图例横着排列。
fig = plt.figure()
ax = fig.add_axes()
ax.plot(x, y1, label="sin")
ax.plot(x, y2, label="cos")
ax.legend(frameon=False, loc="upper center", ncol=2)
上面的示例，图例(legend)设置为两列，位于上方中间位置。
2.4. 多个图例
一般的图形都只有一个图例，比如上面的都是这样的，sin和cos都在一个图例中。
如果图例太多，或者多个图例之间关系不大，也可以创建多个图例。
from matplotlib.legend import Legend
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x + 1)
y4 = np.cos(x + 1)
fig = plt.figure()
ax = fig.add_axes()
legends = []
legends += ax.plot(x, y1, label="sin1")
legends += ax.plot(x, y2, label="cos1")
legends += ax.plot(x, y3, label="sin2")
legends += ax.plot(x, y4, label="cos2")
ax.legend(legends[:2], ["sin1", "cos1"], loc="upper right")
leg = Legend(ax, legends, ["sin2", "cos2"], loc="lower left")
ax.add_artist(leg)
上面的示例中的4个曲线，分成了2个图例来说明。
一个图例在右上角，一个图例在左下角。
2.5. 图例中不同大小的点
最后，介绍一种更复杂的图例显示方式。
首先生成主要几个省市的人口散点图（数据是网络上搜索的），
生成图例的时候，给3个主要的节点500万人，5000万人，1亿人设置的点的大小比例与图中的各个散点数据保持一致。
x = ["广东", "山东", "江苏",
"湖北", "浙江", "吉林",
"甘肃", "宁夏", "青海", "西藏"]
y = np.array([10432, 9578, 7866,
5723, 5442, 2745,
2557, 630, 562, 300])
fig = plt.figure(figsize=)
plt.scatter(x, y, c=np.log10(y), s=y/16)
#创建图例
for population in :
plt.scatter([],[], c='b',
s=population/16,
alpha=0.3,
label=str(population)+" (万人)")
plt.legend(scatterpoints=1,
labelspacing=1.5,
title="人口图例",
frameon=False)
3. 总结
图例可以设置成各式各样，本篇介绍的图例设置方式并不是仅仅为了美观，
更重要的是利用这些设置方式帮助用户能够达成以下目的：
[*]帮助观察者快速了解图像数据：图例提供了关于图像数据的简洁、易于理解的解释，使得观察者能够快速了解图像的主题和内容。
[*]帮助观察者更好地理解图像细节：在一些复杂的图像中，观察者可能需要花费很多时间才能理解其中的细节。图例可以提供关于图像细节的额外信息，使得观察者能够更好地理解图像。
[*]帮助观察者发现图像中的异常或者重要信息：图例可以用于指出图像中的异常或者重要信息，帮助观察者更好地理解和分析图像。
来源:https://www.cnblogs.com/wang_yb/p/17684501.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]