管理图例

当您创建包含多条线、多种颜色、标记 (token)或样式以表示不同类别或数据集的图表时，图例变得必不可少。它作为指引，说明每个视觉元素的含义。当您为绘图数据提供标签时，Matplotlib 和 Seaborn 通常会自动生成图例，但您经常需要调整它们的位置、外观或内容，以获得最佳清晰度。

自动图例生成

获取图例的最简单方法是为您的绘图命令添加 label 参数 (parameter)。Matplotlib 会记录这些标签，并在指示时显示它们。

考虑绘制两条线：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 使用函数式 API 创建图表
plt.figure(figsize=(6, 4))
plt.plot(x, y1, label='Sine Wave')
plt.plot(x, y2, label='Cosine Wave', linestyle='--')
plt.title('Sine and Cosine Waves')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 指示 Matplotlib 显示图例
plt.legend()

plt.show()

在此脚本中，我们在每个 plt.plot() 调用中都提供了 label 参数。最后的 plt.legend() 命令告诉 Matplotlib 收集所有定义的标签并将它们显示在图例框中。如果您使用带有 Axes 对象的面向对象方法，则应调用 ax.legend() 而不是 plt.legend()。

控制图例位置

Matplotlib 尝试自动为图例找到“最佳”位置 (loc='best')，以尽量减少与绘图数据的重叠。然而，这种自动放置可能并非总是理想的。您可以使用 legend() 函数中的 loc 参数 (parameter)明确控制图例的位置。

常用的 loc 值包括：

• 'best' (默认)
• 'upper right'
• 'upper left'
• 'lower left'
• 'lower right'
• 'right'
• 'center left'
• 'center right'
• 'lower center'
• 'upper center'
• 'center'

让我们修改之前的示例，将图例放置在左下角：

# ... (x, y1, y2 的先前设置代码)

plt.figure(figsize=(6, 4))
plt.plot(x, y1, label='Sine Wave')
plt.plot(x, y2, label='Cosine Wave', linestyle='--')
plt.title('Sine and Cosine Waves')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 将图例放置在左下角
plt.legend(loc='lower left')

plt.show()

尝试不同的 loc 值有助于找到最合适的位置，确保图例不会遮挡重要数据点或趋势。

为了更精确地控制这些字符串代码，您可以使用 bbox_to_anchor 参数，它允许指定相对于坐标轴或图形的坐标。这更高级，通常不适用于基本图表，但对于复杂布局很有用。

基本图例自定义

关于放置，您可以修改图例的外观：

• 标题： 使用 title 参数 (parameter)为图例框添加标题。
• 列： 使用 ncol 将图例项排列成多列。这对于包含许多项的图例很有用。
• 边框： 使用 frameon=False 删除图例框周围的边框。
• 字体大小： 使用 fontsize 调整文本大小。

以下是应用其中一些自定义设置的示例：

# ... (x, y1, y2 的先前设置代码)

plt.figure(figsize=(7, 5)) # 稍微大一点的图
plt.plot(x, y1, label='Sine')
plt.plot(x, y2, label='Cosine', linestyle='--')
plt.plot(x, y1*0.5, label='Sine/2', linestyle=':')
plt.plot(x, y2*0.5, label='Cosine/2', linestyle='-.')

plt.title('Multiple Trigonometric Functions')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 自定义图例
plt.legend(loc='upper center', ncol=2, title='Functions', frameon=False, fontsize='small')

plt.show()

这会将图例放置在顶部中央，将四个项目排列成两列，添加标题“函数”，删除边框，并使用稍微小一点的字体。

Seaborn 中的图例

Seaborn 与 Matplotlib 紧密集成，通常会自动处理图例，特别是在使用 hue、size 或 style 等参数 (parameter)区分数据时。如果 Seaborn 预测会发生重叠，它通常会将图例放置在绘图区域之外。

import seaborn as sns
import pandas as pd

# 创建适合 Seaborn 的 DataFrame
data = pd.DataFrame({
    'x': np.tile(x, 2),
    'y': np.concatenate([y1, y2]),
    'type': ['Sine Wave'] * len(x) + ['Cosine Wave'] * len(x)
})

plt.figure(figsize=(6, 4))
# Seaborn 根据 'hue' 自动创建图例
sns.lineplot(data=data, x='x', y='y', hue='type')
plt.title('Seaborn Plot with Automatic Legend')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 我们仍然可以访问 Matplotlib Axes，以便在需要时修改图例
# ax = plt.gca() # 获取当前 Axes
# ax.legend(loc='lower left') # 示例：移动 Seaborn 生成的图例

plt.show()

即使 Seaborn 创建了图例，您通常仍然可以使用 Matplotlib 的 ax.legend()（例如，通过 ax = sns.lineplot(...) 或 ax = plt.gca() 获取 Axes 对象后）来修改其属性，如位置、标题或边框可见性，就像您对纯 Matplotlib 图表所做的那样。

有效管理图例是创建清晰易懂的可视化的重要组成部分。通过正确使用标签并了解如何调整图例的位置和基本外观，您可以确保您的受众可以轻松理解图中不同的元素。