Matplotlib繪圖基礎之圖例詳解

更新時間：2023年08月01日 11:44:05 作者：databook

Matplotlib?中的圖例是幫助觀察者理解圖像數(shù)據(jù)的重要工具，通常包含在圖像中，用于解釋不同的顏色、形狀、標簽和其他元素，下面我們就來看看在繪圖時如何靈活運用圖例吧

1. 主要參數(shù)

當不設置圖例的參數(shù)時，默認的圖例是這樣的。

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()

圖例就是右上角的那個部分。

圖例的主要參數(shù)，其實也就是上例 ax.lengend() 函數(shù)的主要參數(shù)：

圖例位置相關：loc （位置字符串）
邊框相關：facecolor（背景色），edgecolor（邊框顏色），shadow（是否設置陰影）framemon（是否有邊框和背景）
圖例的列數(shù)：默認是1列多行的格式，ncol（列的個數(shù)）

2. 配置示例

通過示例來演示常用的設置。

2.1. 圖例位置

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])

上面的示例顯示了不同位置的圖例。

2.2. 圖例邊框

邊框可以設置邊框的背景色，邊框顏色和是否有陰影。

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，邊框 red，陰影設置為 True。

設置無邊框比較簡單，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. 圖例分列

圖例默認都是一列多行的格式，比如上面的的各個示例，圖例都是依次豎著排列下來的。

可以通過 ncol 屬性，讓圖例橫著排列。

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，圖例(legend)設置為兩列，位于上方中間位置。

2.4. 多個圖例

一般的圖形都只有一個圖例，比如上面的都是這樣的，sin和cos都在一個圖例中。

如果圖例太多，或者多個圖例之間關系不大，也可以創(chuàng)建多個圖例。

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個曲線，分成了2個圖例來說明。

一個圖例在右上角，一個圖例在左下角。

2.5. 圖例中不同大小的點

最后，介紹一種更復雜的圖例顯示方式。

首先生成主要幾個省市的人口散點圖（數(shù)據(jù)是網(wǎng)絡上搜索的），

生成圖例的時候，給3個主要的節(jié)點500萬人，5000萬人，1億人設置的點的大小比例與圖中的各個散點數(shù)據(jù)保持一致。

x = ["廣東", "山東", "江蘇", 
     "湖北", "浙江", "吉林", 
     "甘肅", "寧夏", "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)
#創(chuàng)建圖例
for population in [500, 5000, 10000]:
    plt.scatter([],[], c='b', 
                s=population/16, 
                alpha=0.3, 
                label=str(population)+" (萬人)")
plt.legend(scatterpoints=1, 
           labelspacing=1.5, 
           title="人口圖例",
           frameon=False)

3. 總結(jié)

圖例可以設置成各式各樣，本篇介紹的圖例設置方式并不是僅僅為了美觀，

更重要的是利用這些設置方式幫助用戶能夠達成以下目的：

幫助觀察者快速了解圖像數(shù)據(jù)：圖例提供了關于圖像數(shù)據(jù)的簡潔、易于理解的解釋，使得觀察者能夠快速了解圖像的主題和內(nèi)容。
幫助觀察者更好地理解圖像細節(jié)：在一些復雜的圖像中，觀察者可能需要花費很多時間才能理解其中的細節(jié)。圖例可以提供關于圖像細節(jié)的額外信息，使得觀察者能夠更好地理解圖像。
幫助觀察者發(fā)現(xiàn)圖像中的異?；蛘咧匾畔ⅲ簣D例可以用于指出圖像中的異?；蛘咧匾畔?，幫助觀察者更好地理解和分析圖像。

到此這篇關于Matplotlib繪圖基礎之圖例詳解的文章就介紹到這了,更多相關Matplotlib圖例內(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！

您可能感興趣的文章: