【matplotlib基础】--图例

南易尘

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。

1. import numpy as np
2. import matplotlib.pyplot as plt
4. x = np.linspace(0, 10, 100)
5. y1 = np.sin(x)
6. y2 = np.cos(x)
8. fig = plt.figure()
9. ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
10. ax.plot(x, y1, label="sin")
11. ax.plot(x, y2, label="cos")
12. ax.legend()

复制代码

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

1. fig, ax = plt.subplots(3, 3)
2. fig.set_size_inches(10, 10)
4. locations = [
5.     ["lower left", "lower center", "lower right"],
6.     ["center left", "center", "center right"],
7.     ["upper left", "upper center", "upper right"],
8. ]
9. for i in range(3):
10.     for j in range(3):
11.         ax[i, j].plot(x, y1, label="sin")
12.         ax[i, j].plot(x, y2, label="cos")
13.         ax[i, j].legend(loc=locations[i][j])

复制代码

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。

1. fig = plt.figure()
2. ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
3. ax.plot(x, y1, label="sin")
4. ax.plot(x, y2, label="cos")
5. ax.legend(facecolor="lightblue", edgecolor="red", shadow=True)

复制代码

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。

1. fig = plt.figure()
2. ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
3. ax.plot(x, y1, label="sin")
4. ax.plot(x, y2, label="cos")
5. ax.legend(frameon=False)

复制代码

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。

1. fig = plt.figure()
2. ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
3. ax.plot(x, y1, label="sin")
4. ax.plot(x, y2, label="cos")
5. ax.legend(frameon=False, loc="upper center", ncol=2)

复制代码

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。

1. from matplotlib.legend import Legend
3. x = np.linspace(0, 10, 100)
4. y1 = np.sin(x)
5. y2 = np.cos(x)
6. y3 = np.sin(x + 1)
7. y4 = np.cos(x + 1)
9. fig = plt.figure()
10. ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
11. legends = []
12. legends += ax.plot(x, y1, label="sin1")
13. legends += ax.plot(x, y2, label="cos1")
14. legends += ax.plot(x, y3, label="sin2")
15. legends += ax.plot(x, y4, label="cos2")
16. ax.legend(legends[:2], ["sin1", "cos1"], loc="upper right")
18. leg = Legend(ax, legends[2:], ["sin2", "cos2"], loc="lower left")
19. ax.add_artist(leg)

复制代码

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。

1. x = ["广东", "山东", "江苏",
2.      "湖北", "浙江", "吉林",
3.      "甘肃", "宁夏", "青海", "西藏"]
4. y = np.array([10432, 9578, 7866,
5.               5723, 5442, 2745,
6.               2557, 630, 562, 300])
8. fig = plt.figure(figsize=[10, 8])
9. plt.scatter(x, y, c=np.log10(y), s=y/16)
11. #创建图例
12. for population in [500, 5000, 10000]:
13.     plt.scatter([],[], c='b',
14.                 s=population/16,
15.                 alpha=0.3,
16.                 label=str(population)+" (万人)")
18. plt.legend(scatterpoints=1,
19.            labelspacing=1.5,
20.            title="人口图例",
21.            frameon=False)

复制代码

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！