Matplotlib绘图基础之图例详解

更新时间：2023年08月01日 11:44:05 作者：databook

Matplotlib 中的图例是帮助观察者理解图像数据的重要工具，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，下面我们就来看看在绘图时如何灵活运用图例吧

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([0.1, 0.1, 0.8, 0.8])
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[i, j].plot(x, y1, label="sin")
        ax[i, j].plot(x, y2, label="cos")
        ax[i, j].legend(loc=locations[i][j])

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([0.1, 0.1, 0.8, 0.8])
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([0.1, 0.1, 0.8, 0.8])
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([0.1, 0.1, 0.8, 0.8])
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([0.1, 0.1, 0.8, 0.8])
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[2:], ["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=[10, 8])
plt.scatter(x, y, c=np.log10(y), s=y/16)
#创建图例
for population in [500, 5000, 10000]:
    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。

到此这篇关于Matplotlib绘图基础之图例详解的文章就介绍到这了,更多相关Matplotlib图例内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

深入解析Python中的list列表及其切片和迭代操作
这篇文章主要介绍了Python中的列表及其切片和迭代操作,文中还对tuple元组作了介绍,需要的朋友可以参考下
2016-03-03
Python实现定时备份mysql数据库并把备份数据库邮件发送
这篇文章主要介绍了Python实现定时备份mysql数据库并把备份数据库邮件发送的相关资料,需要的朋友可以参考下
2018-03-03
Python函数基础（定义函数、函数参数、匿名函数）
这篇文章介绍了Python函数的基础用法，文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2022-05-05
Python基础之函数基本用法与进阶详解
这篇文章主要介绍了Python基础之函数基本用法与进阶,结合实例形式总结分析了Python函数的定义、参数、返回值及递归等相关使用技巧与操作注意事项,需要的朋友可以参考下
2020-01-01
python使用装饰器作日志处理的方法
今天小编就为大家分享一篇python使用装饰器作日志处理的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-07-07
python+opencv实现车道线检测
这篇文章主要为大家详细介绍了python+opencv实现车道线检测，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-02-02
Python自定义线程池实现方法分析
这篇文章主要介绍了Python自定义线程池实现方法,结合实例形式较为详细的分析了Python自定义线程池的概念、原理、实现方法及相关注意事项,需要的朋友可以参考下
2018-02-02
python通过matplotlib生成复合饼图
这篇文章主要介绍了python通过matplotlib生成复合饼图，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
2020-02-02
python模块itsdangerous简单介绍
这篇文章主要介绍了python模块itsdangerous简单介绍,本文通过案例分析给大家详细讲解，对python模块itsdangerous相关知识感兴趣的朋友一起看看吧
2022-11-11
一文搞懂Python的hasattr()、getattr()、setattr() 函数用法
python中的getattr()、setattr()、hasattr()函数均是对类属性或方法的操作，其中getattr()用于获取类或实例中指定方法获取属性的值,setattr()用于设置类或实例中属性或方法,hasattr()用于判断类或实例中是否存在指定的属性或方法,本文通过例子给大家详解，一起看看吧
2022-04-04