python中matplotlib調(diào)整圖例位置的方法實例
更新時間：2022年06月22日 11:27:33 作者：liuxiaoru_
在matplotlib中,一般圖例默認是在圖表內(nèi)部的,如果要放置到圖例外面,需要對坐標進行指定,下面這篇文章主要給大家介紹了關于python中matplotlib調(diào)整圖例位置的相關資料,需要的朋友可以參考下
前言
matplotlib畫圖例默認的位置是在圖中的各個角落，但有時圖例位置會遮擋住圖像而不符合我們的需求，需要對圖例位置進行調(diào)整。代碼如下：
plt.legend(loc=‘String or Number’, bbox_to_anchor=(num1, num2))
1.loc=‘String or Number’
這個參數(shù)來定位圖例的大概位置，string參數(shù)包括
- best （自動找一個最好的位置，但有時不符合我們的預期）
- upper right（右上角）
- upper left （左上角）
- lower left （左下角）
- lower right （右下角）
- right （右，和center right位置一樣）
- center left （中間偏左）
- center right （中間偏右）
- lower center（中間偏下）
- upper center（中間偏上）
- center（正中間）
其在表格中位置如下：
當然了參數(shù)也可以傳入如圖中的數(shù)字。
2.bbox_to_anchor=(num1, num2)
有時僅通過第一個參數(shù)還不能滿足我們的預期，比如會出現(xiàn)圖例堆疊在一起的情況，這時候就需要調(diào)整第二個參數(shù)。
- num1 用于控制 legend 的左右移動，值越大，越向右移動；
- num2 用于控制 legend 的上下移動，值越大，越向上移動。
3.舉個栗子：
（1） plt.legend([‘圖例’],loc=‘center’) 或 loc=10
（2） plt.legend([‘圖例’],loc=‘center left’) 或 loc=6
再微調(diào)一下
總結(jié)
到此這篇關于python中matplotlib調(diào)整圖例位置的文章就介紹到這了,更多相關python matplotlib調(diào)整圖例位置內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
今天小編就為大家分享一篇解決Pytorch 加載訓練好的模型 遇到的error問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
Numpy 數(shù)組操作之元素添加、刪除和修改的實現(xiàn)
本文主要介紹了Numpy 數(shù)組操作之元素添加、刪除和修改的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
基于pytorch實現(xiàn)對圖片進行數(shù)據(jù)增強
圖像數(shù)據(jù)增強是一種在訓練機器學習和深度學習模型時常用的策略,尤其是在計算機視覺領域,具體而言,它通過創(chuàng)建和原始圖像稍有不同的新圖像來擴大訓練集,本文給大家介紹了如何基于pytorch實現(xiàn)對圖片進行數(shù)據(jù)增強,需要的朋友可以參考下2024-01-01
Python時間模塊datetime、time、calendar的使用方法
這篇文章主要介紹了Python時間模塊的使用方法，主要包括三大模塊datetime、time、calendar，感興趣的小伙伴們可以參考一下2016-01-01
這篇文章主要介紹了簡單了解Python中的幾種函數(shù)，具有一定參考價值。需要的朋友可以了解下。2017-11-11
這篇文章主要介紹了python-yml文件讀寫與xml文件讀寫，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-08-08
圖像融合是兩幅圖片疊加在一起，本文主要介紹了openCV實現(xiàn)圖像融合的示例代碼，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
這篇文章主要介紹了對Python 字典元素進行刪除的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-07-07
本文主要介紹了如何使用OpenCV和EAST文本檢測器檢測圖像中的文本，以便大家可以在自己的應用程序中應用文本檢測。感興趣的同學可以關注一下2021-11-11
train.py里面加了很多額外的功能,使得整體看起來比較復雜,其實核心部分主要就是 讀取數(shù)據(jù)集,加載模型,訓練中損失的計算,下面這篇文章主要給大家介紹了關于yolov5中train.py代碼注釋詳解與使用的相關資料,需要的朋友可以參考下2022-09-09