圖例可以為可視化賦予實際含義，為不同的圖標元素附上明確說明。我們前面看到了一些簡單的圖例創(chuàng)建例子；本小節(jié)中我們來介紹一下在 Matplotlib 中自定義圖例的位置和進行美化的方法。

可以使用plt.legend()函數(shù)來創(chuàng)建最簡單的圖例，這個函數(shù)能自動創(chuàng)建任何帶有標簽屬性的圖表元素的圖例：

import matplotlib.pyplot as plt
plt.style.use('classic')

import numpy as np

x = np.linspace(0, 10, 1000)
fig, ax = plt.subplots()
ax.plot(x, np.sin(x), '-b', label='Sine')
ax.plot(x, np.cos(x), '--r', label='Cosine')
ax.axis('equal')
leg = ax.legend();

plt.show()

但除此之外還有很多能自定義圖例的方法。例如，我們可以指定圖例位置并且去除邊框：

ax.legend(loc='upper left', frameon=False)
fig

我們可以使用ncol屬性設(shè)置圖例中每行的列數(shù)：

ax.legend(frameon=False, loc='lower center', ncol=2)
fig

還可以使用圓角方框（fancybox）或者增加陰影，設(shè)置方框的透明度（alpha 值）或修改文字的邊距：

ax.legend(fancybox=True, framealpha=1, shadow=True, borderpad=1)
fig

要獲取更多 legend 函數(shù)的可用選項信息，請參考plt.legend的文檔字符串。

選擇設(shè)置圖例的元素

正如我們前面例子所示，繪制的圖例默認包括所有帶標簽的元素。如果這不是想要的效果，我們可以調(diào)整哪些元素和標簽會出現(xiàn)在圖例當中，這可以通過設(shè)置 plot 函數(shù)或方法返回的對象實現(xiàn)。plt.plot函數(shù)能夠同時產(chǎn)生多條折線，然后將這些線條的實例列表返回。將其中的部分實例傳遞到plt.legend()函數(shù)就能設(shè)置哪些線條會出現(xiàn)在圖例中，再通過一個標簽的列表指定圖例的名稱：

y = np.sin(x[:, np.newaxis] + np.pi * np.arange(0, 2, 0.5))
lines = plt.plot(x, y)

# lines是一個線條實例的列表
plt.legend(lines[:2], ['first', 'second']);

作者更加傾向于使用第一種方式，因為更加清晰。通過將標簽應(yīng)用在圖表元素上，然后繪制到圖例中：

plt.plot(x, y[:, 0], label='first')
plt.plot(x, y[:, 1], label='second')
plt.plot(x, y[:, 2:])
plt.legend(framealpha=1, frameon=True);

請注意默認情況下，legend 會忽略所有不帶標簽的元素。

散點大小的圖例

某些情況下默認的圖例不足以滿足特定的可視化需求。例如，你在使用散點的大小來標記數(shù)據(jù)的某個特征，然后希望創(chuàng)建一個相應(yīng)的圖例。下面的例子是加州城市人口的散點圖(你們可以用自己文件替換)，我們使用散點的大小表現(xiàn)該城市的面積，散點的顏色來表現(xiàn)城市的人口數(shù)量（自然對數(shù)值）。我們希望使用一個圖例來指明散點尺寸的比例，同時用一個顏色條來說明人口數(shù)量，我們可以通過自定義繪制一些標簽數(shù)據(jù)來實現(xiàn)尺寸圖例：

譯者注：新版 Matplotlib 已經(jīng)取消 aspect 參數(shù)，此處改為使用新的'scaled'參數(shù)調(diào)用 axis 函數(shù)。

import pandas as pd
cities = pd.read_csv(r'D:pythonGithub學習材料Python數(shù)據(jù)科學手冊datacalifornia_cities.csv')

# 提取我們感興趣的數(shù)據(jù)
lat, lon = cities['latd'], cities['longd']
population, area = cities['population_total'], cities['area_total_km2']

# 繪制散點圖，使用尺寸代表面積，顏色代表人口，不帶標簽
plt.scatter(lon, lat, label=None,
            c=np.log10(population), cmap='viridis',
            s=area, linewidth=0, alpha=0.5)
plt.axis('scaled')
plt.xlabel('longitude')
plt.ylabel('latitude')
plt.colorbar(label='log$_{10}$(population)')
plt.clim(3, 7)

# 下面我們創(chuàng)建圖例：
# 使用空列表繪制圖例中的散點，使用不同面積和標簽，帶透明度
for area in [100, 300, 500]:
    plt.scatter([], [], c='k', alpha=0.3, s=area,
                label=str(area) + ' km$^2$')
plt.legend(scatterpoints=1, frameon=False, labelspacing=1, title='City Area')

plt.title('California Cities: Area and Population');

之前的圖例都關(guān)聯(lián)著圖表上的一些對象，因此如果我們需要展示圖例的話我們首先需要繪制圖表元素。在上例中，我們需要的圖例對象（灰色圓圈）不在圖表上，因此我們采用繪制空列表的方式將它們仿造在圖表上（實際上圖上沒有點），但是還是需要注意，只有那些帶標簽的元素才會出現(xiàn)在圖例中。

通過繪制空列表，我們創(chuàng)建了三個帶標簽的對象，然后就可以出現(xiàn)在圖例當中，這個圖例就能表示出有關(guān)城市面積的相關(guān)信息。這個策略在很多復(fù)雜可視化圖表構(gòu)建過程中都被用到。

最后我們注意到這個圖表實際上是一個地理位置圖表，如果我們能在上面繪制州界線或其他地圖相關(guān)的元素的話，會更加清晰。Matplotlib 提供了一個 Basemap 額外工具集來實現(xiàn)這個目標。

多重圖例

有時候我們可能需要在同一個圖表維度中設(shè)計多個圖例。不幸的是，Matplotlib 并沒有提供很簡單的方式實現(xiàn)：通過標準的legend接口，只能在整張圖表上創(chuàng)建一個圖例。如果你試圖使用plt.legend()或ax.legend()創(chuàng)建第二個圖例，那么第二條語句創(chuàng)建的圖例會覆蓋第一條語句創(chuàng)建的。我們只能通過從底層開始來創(chuàng)建一個新的圖例 artist 這種方法來解決這個問題，然后使用ax.add_artist()的底層方法手動將第二個作者加到圖表上：

fig, ax = plt.subplots()

lines = []
styles = ['-', '--', '-.', ':']
x = np.linspace(0, 10, 1000)

for i in range(4):
    lines += ax.plot(x, np.sin(x - i * np.pi / 2),
                     styles[i], color='black')
ax.axis('equal')

# 指定第一個圖例的線條和標簽
ax.legend(lines[:2], ['line A', 'line B'],
          loc='upper right', frameon=False)

# 手動創(chuàng)建第二個圖例，并將作者添加到圖表中
from matplotlib.legend import Legend
leg = Legend(ax, lines[2:], ['line C', 'line D'],
             loc='lower right', frameon=False)
ax.add_artist(leg);
plt.show()

上例展示了用來組成任何 Matplotlib 圖表的底層 artist 對象的簡單說明。如果你去查看ax.legend()的源代碼（你可以通過 IPython 的ax.legend?幫助工具做到），你可以看到這個方法包含了用來構(gòu)建合適Legend的 artist 對象的邏輯，構(gòu)建的對象被保存在legend_屬性當中，當繪制時被添加到圖表上進行展示.

總結(jié)

以上是生活随笔為你收集整理的Matplotlib基础--自定义图标图例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。