Matplotlib 中的圖例是幫助觀察者理解圖像數據的重要工具。圖例通常包含在圖像中，用於解釋不同的顏色、形狀、標簽和其他元素。 # 1. 主要參數 當不設置圖例的參數時，預設的圖例是這樣的。 ```python import numpy as np import matplotlib.pyplo ...
Matplotlib 中的圖例是幫助觀察者理解圖像數據的重要工具。
圖例通常包含在圖像中，用於解釋不同的顏色、形狀、標簽和其他元素。
1. 主要參數
當不設置圖例的參數時，預設的圖例是這樣的。
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，其實也就是上例 ax.lengend() 函數的主要參數：
- 圖例位置相關：
loc（位置字元串） - 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：預設是1列多行的格式，ncol（列的個數）
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
圖例預設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，位於上方中間位置。
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係不大，也可以創建多個圖例。
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
最後，介紹一種更複雜的圖例顯示方式。
首先生成主要幾個省市的人口散點圖（數據是網路上搜索的），
生成圖例的時候，給3個主要的節點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據保持一致。
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
圖例可以設置成各式各樣，本篇介紹的圖例設置方式並不是僅僅為了美觀，
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：
- 幫助觀察者快速瞭解圖像數據：圖例提供了關於圖像數據的簡潔、易於理解的解釋，使得觀察者能夠快速瞭解圖像的主題和內容。
- 幫助觀察者更好地理解圖像細節：在一些複雜的圖像中，觀察者可能需要花費很多時間才能理解其中的細節。圖例可以提供關於圖像細節的額外信息，使得觀察者能夠更好地理解圖像。
- 幫助觀察者發現圖像中的異常或者重要信息：圖例可以用於指出圖像中的異常或者重要信息，幫助觀察者更好地理解和分析圖像。
