当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib自定义图例：全面指南与实用技巧

Matplotlib自定义图例：全面指南与实用技巧

Matplotlib自定义图例：全面指南与实用技巧

参考：Custom Legends with Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大而灵活的工具来创建各种类型的图表。在数据可视化中，图例是一个非常重要的元素，它帮助读者理解图表中不同元素的含义。Matplotlib允许用户自定义图例，以满足各种复杂的可视化需求。本文将深入探讨如何使用Matplotlib创建自定义图例，包括基本概念、常用技巧和高级应用。

1. 图例的基本概念

图例是图表中用于解释各种元素含义的组件。在Matplotlib中，我们可以使用legend()方法来添加图例。默认情况下，Matplotlib会自动为图表中的每个数据系列创建一个图例条目。

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sin(x) - how2matplotlib.com')
plt.plot(x, y2, label='Cos(x) - how2matplotlib.com')
plt.legend()
plt.title('Basic Legend Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们绘制了正弦和余弦函数的图像。通过在plot()函数中使用label参数，我们为每条线指定了一个标签。然后，调用plt.legend()会自动创建一个包含这些标签的图例。

2. 自定义图例位置

Matplotlib允许我们自定义图例的位置。我们可以使用loc参数来指定图例的位置。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sin(x) - how2matplotlib.com')
plt.plot(x, y2, label='Cos(x) - how2matplotlib.com')
plt.legend(loc='upper left')
plt.title('Legend at Upper Left')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们将图例放置在图表的左上角。loc参数可以接受多种值，如’upper right’、’center’、’lower left’等。

3. 自定义图例样式

我们可以自定义图例的各种视觉属性，如边框、背景色、透明度等。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sin(x) - how2matplotlib.com')
plt.plot(x, y2, label='Cos(x) - how2matplotlib.com')
plt.legend(fancybox=True, framealpha=0.5, shadow=True, borderpad=1)
plt.title('Customized Legend Style')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们使用了圆角边框（fancybox=True），设置了半透明背景（framealpha=0.5），添加了阴影效果（shadow=True），并增加了内边距（borderpad=1）。

4. 多列图例

当图例项目较多时，我们可能希望将图例排列成多列以节省空间。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.figure(figsize=(12, 6))

for i in range(5):
    plt.plot(x, np.sin(x + i), label=f'Sin(x + {i}) - how2matplotlib.com')

plt.legend(ncol=3, loc='upper center', bbox_to_anchor=(0.5, -0.05))
plt.title('Multi-column Legend')
plt.tight_layout()
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们使用ncol参数将图例排列成3列。bbox_to_anchor参数用于精确定位图例的位置，这里我们将图例放在图表下方的中央。

5. 自定义图例标记

有时我们可能想要自定义图例中的标记样式，而不是使用默认的线条样式。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, 'b-')
plt.plot(x, y2, 'r--')

plt.legend([plt.Line2D([0], [0], color='blue', lw=4),
            plt.Line2D([0], [0], color='red', lw=4, ls='--')],
           ['Sin(x) - how2matplotlib.com', 'Cos(x) - how2matplotlib.com'])

plt.title('Custom Legend Markers')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们手动创建了Line2D对象来自定义图例中的标记样式。这允许我们精确控制图例中每个项目的外观。

6. 图例中添加额外信息

我们可以在图例中添加额外的信息，比如数据的统计信息。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
line1, = plt.plot(x, y1, label='Sin(x)')
line2, = plt.plot(x, y2, label='Cos(x)')

legend1 = plt.legend(handles=[line1, line2], loc='upper right')

plt.gca().add_artist(legend1)

plt.legend(['Mean: {:.2f}'.format(np.mean(y1)),
            'Mean: {:.2f}'.format(np.mean(y2))],
           loc='lower left',
           title='Statistics - how2matplotlib.com')

plt.title('Legend with Extra Information')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们创建了两个图例。第一个图例显示了常规的线条标签，第二个图例显示了每条线的平均值。

7. 自定义图例顺序

默认情况下，图例项目的顺序与它们在图表中出现的顺序相同。但有时我们可能想要自定义这个顺序。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

plt.figure(figsize=(10, 6))
line1, = plt.plot(x, y1, label='Sin(x) - how2matplotlib.com')
line2, = plt.plot(x, y2, label='Cos(x) - how2matplotlib.com')
line3, = plt.plot(x, y3, label='Tan(x) - how2matplotlib.com')

plt.legend([line3, line1, line2])
plt.title('Custom Legend Order')
plt.show()

在这个例子中，我们通过在legend()函数中指定线条对象的顺序来自定义图例的顺序。

8. 图例中使用数学公式

Matplotlib支持在图例中使用LaTeX风格的数学公式，这对于科学和工程可视化非常有用。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label=r'\sin(x) - how2matplotlib.com')
plt.plot(x, y2, label=r'\cos(x) - how2matplotlib.com')

plt.legend(fontsize=12)
plt.title('Legend with Math Formulas')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们在标签中使用了LaTeX风格的数学公式。注意标签字符串前的r，它表示这是一个原始字符串，防止反斜杠被解释为转义字符。

9. 自定义图例字体和颜色

我们可以自定义图例中文本的字体、大小和颜色。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))
plt.plot(x, y1, label='Sin(x) - how2matplotlib.com')
plt.plot(x, y2, label='Cos(x) - how2matplotlib.com')

plt.legend(prop={'family': 'serif', 'size': 14, 'weight': 'bold'},
           facecolor='lightgray',
           edgecolor='black')

plt.title('Custom Legend Font and Color')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们使用prop参数来设置字体属性，包括字体系列、大小和粗细。我们还设置了图例的背景色和边框颜色。

10. 图例中使用自定义图标

有时，我们可能想在图例中使用自定义的图标，而不是默认的线条或标记。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Circle, Rectangle

fig, ax = plt.subplots(figsize=(10, 6))

circle = Circle((0.5, 0.5), 0.1, facecolor="red", edgecolor="none")
square = Rectangle((0.4, 0.4), 0.2, 0.2, facecolor="green", edgecolor="none")

ax.add_patch(circle)
ax.add_patch(square)

ax.legend([circle, square], ['Circle - how2matplotlib.com', 'Square - how2matplotlib.com'])
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)
ax.set_title('Legend with Custom Icons')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们创建了自定义的圆形和方形图标，并将它们添加到图例中。

11. 图例中的分组

当我们有多个相关的数据系列时，可能希望在图例中将它们分组。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.sin(2*x)
y3 = np.cos(x)
y4 = np.cos(2*x)

fig, ax = plt.subplots(figsize=(12, 6))

line1, = ax.plot(x, y1, 'b-', label='Sin(x) - how2matplotlib.com')
line2, = ax.plot(x, y2, 'b--', label='Sin(2x) - how2matplotlib.com')
line3, = ax.plot(x, y3, 'r-', label='Cos(x) - how2matplotlib.com')
line4, = ax.plot(x, y4, 'r--', label='Cos(2x) - how2matplotlib.com')

first_legend = ax.legend(handles=[line1, line2], loc='upper right', title='Sine Functions')
ax.add_artist(first_legend)

ax.legend(handles=[line3, line4], loc='lower right', title='Cosine Functions')

ax.set_title('Grouped Legend')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们创建了两个独立的图例，一个用于正弦函数，另一个用于余弦函数。我们使用add_artist()方法来确保两个图例都能显示。

12. 图例中的复杂布局

有时，我们可能需要在图例中创建更复杂的布局，比如在一个图例中混合使用不同类型的元素。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Patch
from matplotlib.lines import Line2D

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), 'b-')
ax.plot(x, np.cos(x), 'r--')
ax.fill_between(x, 0, np.sin(x), alpha=0.2)

legend_elements = [Line2D([0], [0], color='b', lw=2, label='Line'),
                   Line2D([0], [0], color='r', lw=2, linestyle='--', label='Dashed line'),
                   Patch(facecolor='blue', edgecolor='b', alpha=0.2, label='Filled region')]

ax.legend(handles=legend_elements, title='Legend - how2matplotlib.com')
ax.set_title('Complex Legend Layout')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们创建了一个包含不同类型元素的图例：实线、虚线和填充区域。我们使用Line2D和Patch对象来自定义每个图例元素的外观。

13. 动态更新图例

在某些情况下，我们可能需要根据数据的变化动态更新图例。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 100)
line, = ax.plot(x, np.sin(x), label='Initial - how2matplotlib.com')

ax.legend()
ax.set_title('Dynamic Legend Update')

for i in range(5):
    y = np.sin(x + i)
    line.set_ydata(y)
    line.set_label(f'Sin(x + {i}) - how2matplotlib.com')
    ax.legend()
    plt.pause(1)

plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

这个例子展示了如何动态更新图例。我们创建了一个初始的正弦曲线，然后在一个循环中不断更新数据和标签。每次更新后，我们重新调用legend()方法来刷新图例。

14. 图例中使用颜色条

在某些可视化中，我们可能想在图例中包含一个颜色条来表示连续的数值范围。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.cm import ScalarMappable
from matplotlib.colors import Normalize

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x)

scatter = ax.scatter(x, y, c=y, cmap='viridis')

norm = Normalize(vmin=y.min(), vmax=y.max())
sm = ScalarMappable(cmap='viridis', norm=norm)
sm.set_array([])

cbar = fig.colorbar(sm)
cbar.set_label('Value - how2matplotlib.com')

ax.set_title('Legend with Color Bar')
plt.show()

在这个例子中，我们创建了一个散点图，点的颜色根据y值变化。然后我们添加了一个颜色条来解释颜色的含义。

15. 图例中的透明度

有时我们可能想在图例中表示数据的透明度。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

ax.plot(x, y1, 'b-', label='Sin(x) - how2matplotlib.com', alpha=0.5)
ax.plot(x, y2, 'r-', label='Cos(x) - how2matplotlib.com', alpha=0.5)

leg = ax.legend()
for lh in leg.legendHandles: 
    lh.set_alpha(0.5)

ax.set_title('Legend with Transparency')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们绘制了两条半透明的线，并确保图例中的线条也保持相同的透明度。

16. 图例中的误差条

在科学可视化中，我们经常需要在图例中表示误差条。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 50)
y = np.sin(x)
yerr = 0.1 + 0.2 * np.random.rand(len(x))

fig, ax = plt.subplots(figsize=(10, 6))

ax.errorbar(x, y, yerr=yerr, fmt='o', label='Data with error - how2matplotlib.com')

ax.legend()
ax.set_title('Legend with Error Bars')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

这个例子展示了如何在图中添加误差条，并在图例中正确显示。

17. 多子图的图例

当我们有多个子图时，可能需要为每个子图创建单独的图例，或者创建一个共享的图例。

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), label='Sin(x) - how2matplotlib.com')
ax1.legend(loc='upper left')
ax1.set_title('Subplot 1')

ax2.plot(x, np.cos(x), label='Cos(x) - how2matplotlib.com')
ax2.legend(loc='upper right')
ax2.set_title('Subplot 2')

plt.tight_layout()
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

这个例子展示了如何为多个子图创建单独的图例。

18. 图例中的标记大小

有时我们可能想要控制图例中标记的大小。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 10)
y1 = np.sin(x)
y2 = np.cos(x)

ax.scatter(x, y1, s=100, label='Sin(x) - how2matplotlib.com')
ax.scatter(x, y2, s=200, label='Cos(x) - how2matplotlib.com')

leg = ax.legend()
for handle in leg.legendHandles:
    handle.set_sizes([50.0])

ax.set_title('Legend with Custom Marker Sizes')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

在这个例子中，我们创建了两个散点图，并自定义了图例中标记的大小。

19. 图例中的自定义线型

我们可以在图例中使用自定义的线型来区分不同的数据系列。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(10, 6))

ax.plot(x, y1, linestyle='-', label='Solid - how2matplotlib.com')
ax.plot(x, y2, linestyle='--', label='Dashed - how2matplotlib.com')

custom_lines = [plt.Line2D([0], [0], color='blue', lw=2, linestyle='-'),
                plt.Line2D([0], [0], color='orange', lw=2, linestyle='--')]

ax.legend(custom_lines, ['Solid', 'Dashed'])
ax.set_title('Legend with Custom Line Styles')
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

这个例子展示了如何在图例中使用自定义的线型。

20. 图例中的渐变色

最后，我们来看一个更高级的例子，在图例中使用渐变色。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Rectangle
from matplotlib.collections import LineCollection

fig, ax = plt.subplots(figsize=(10, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x)

points = np.array([x, y]).T.reshape(-1, 1, 2)
segments = np.concatenate([points[:-1], points[1:]], axis=1)

norm = plt.Normalize(y.min(), y.max())
lc = LineCollection(segments, cmap='viridis', norm=norm)
lc.set_array(y)
line = ax.add_collection(lc)

cbar = fig.colorbar(line, ax=ax)
cbar.set_label('Value - how2matplotlib.com')

gradient = np.linspace(0, 1, 256).reshape(1, -1)
gradient = np.repeat(gradient, 10, axis=0)
gradient_im = ax.imshow(gradient, aspect='auto', cmap='viridis',
                        extent=[0, 0.2, 0, 1])

ax.legend([gradient_im], ['Gradient - how2matplotlib.com'],
          loc='center left', bbox_to_anchor=(1, 0.5))

ax.set_title('Legend with Gradient Color')
plt.tight_layout()
plt.show()

Output:

Matplotlib自定义图例：全面指南与实用技巧

这个例子展示了如何在图例中使用渐变色。我们创建了一个颜色随y值变化的线条，并在图例中添加了一个相应的渐变色条目。

总结起来，Matplotlib提供了丰富的工具来自定义图例，使我们能够创建既美观又信息丰富的可视化。通过调整图例的位置、样式、内容和布局，我们可以大大提高图表的可读性和表现力。无论是简单的线图还是复杂的多元数据可视化，合理使用自定义图例都能让我们的图表更加清晰、专业和富有洞察力。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程