Matplotlib柱状图图例：如何创建和自定义柱状图的图例|极客教程

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大的工具来创建各种类型的图表，包括柱状图。在数据可视化中，柱状图是一种常用的图表类型，用于比较不同类别的数据。而图例则是帮助读者理解图表内容的重要元素。本文将详细介绍如何使用Matplotlib创建柱状图，并重点讲解如何添加和自定义图例，以增强图表的可读性和信息传达能力。

1. Matplotlib柱状图基础

在开始讨论图例之前，我们先来了解如何使用Matplotlib创建基本的柱状图。柱状图通常用于展示离散类别的数值比较。

1.1 创建简单的柱状图

让我们从一个简单的例子开始：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values)
plt.title('Simple Bar Chart - how2matplotlib.com')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了一个简单的柱状图，展示了四个类别的数值。plt.bar()函数是创建柱状图的核心，它接受两个主要参数：类别标签和对应的数值。

1.2 自定义柱状图外观

我们可以通过调整各种参数来自定义柱状图的外观：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='skyblue', edgecolor='navy', linewidth=2, alpha=0.7)
plt.title('Customized Bar Chart - how2matplotlib.com', fontsize=16)
plt.xlabel('Categories', fontsize=12)
plt.ylabel('Values', fontsize=12)
plt.xticks(rotation=45)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们自定义了柱子的颜色、边框颜色、透明度等属性，同时调整了标题和轴标签的字体大小，旋转了x轴标签，并添加了网格线。

2. 添加图例到柱状图

图例是帮助读者理解图表内容的重要元素，特别是当图表包含多个数据系列时。让我们看看如何为柱状图添加图例。

2.1 单系列柱状图的图例

即使是单系列的柱状图，有时也需要添加图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
bars = plt.bar(categories, values, label='Data Series - how2matplotlib.com')
plt.title('Bar Chart with Legend')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们通过label参数为柱状图添加了标签，然后使用plt.legend()函数显示图例。

2.2 多系列柱状图的图例

当我们有多个数据系列时，图例变得更加重要：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))
rects1 = ax.bar(x - width/2, values1, width, label='Series 1 - how2matplotlib.com')
rects2 = ax.bar(x + width/2, values2, width, label='Series 2 - how2matplotlib.com')

ax.set_title('Multiple Series Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend()

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了两个并排的柱状图系列，并为每个系列添加了标签。ax.legend()函数自动创建包含这两个标签的图例。

3. 自定义图例

Matplotlib提供了多种方法来自定义图例的外观和位置。

3.1 调整图例位置

我们可以通过loc参数来调整图例的位置：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values, label='Data - how2matplotlib.com')
plt.title('Bar Chart with Custom Legend Location')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend(loc='upper right')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

loc参数可以接受多种值，如’upper left’、’lower right’、’center’等。

3.2 自定义图例样式

我们可以调整图例的各种视觉属性：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

plt.figure(figsize=(8, 6))
plt.bar(categories, values, label='Data - how2matplotlib.com')
plt.title('Bar Chart with Styled Legend')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend(frameon=True, fancybox=True, shadow=True, fontsize=10, 
           facecolor='lightgray', edgecolor='black', title='Legend Title')
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们自定义了图例的边框、阴影、字体大小、背景色等属性。

3.3 图例中的多列布局

当有多个数据系列时，我们可能希望图例以多列的形式显示：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]

x = np.arange(len(categories))
width = 0.25

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width, values1, width, label='Series 1 - how2matplotlib.com')
rects2 = ax.bar(x, values2, width, label='Series 2 - how2matplotlib.com')
rects3 = ax.bar(x + width, values3, width, label='Series 3 - how2matplotlib.com')

ax.set_title('Multiple Series Bar Chart with Multi-column Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend(ncol=3, loc='upper center', bbox_to_anchor=(0.5, 1.15))

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用ncol参数将图例设置为3列，并使用bbox_to_anchor参数调整图例的位置。

4. 堆叠柱状图的图例

堆叠柱状图是另一种常见的柱状图类型，它需要特别注意图例的处理。

4.1 创建基本的堆叠柱状图

让我们先创建一个基本的堆叠柱状图：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [1, 2, 3, 4]
values2 = [2, 3, 4, 5]
values3 = [3, 4, 5, 6]

plt.figure(figsize=(10, 6))
plt.bar(categories, values1, label='Series 1 - how2matplotlib.com')
plt.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com')
plt.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Series 3 - how2matplotlib.com')

plt.title('Stacked Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用bottom参数来堆叠不同的数据系列。图例自动显示了每个系列的标签。

4.2 自定义堆叠柱状图的图例

我们可以进一步自定义堆叠柱状图的图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [1, 2, 3, 4]
values2 = [2, 3, 4, 5]
values3 = [3, 4, 5, 6]

fig, ax = plt.subplots(figsize=(10, 6))
ax.bar(categories, values1, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com', color='lightgreen')
ax.bar(categories, values3, bottom=np.array(values1) + np.array(values2), label='Series 3 - how2matplotlib.com', color='salmon')

ax.set_title('Customized Stacked Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.legend(title='Data Series', bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们为每个系列设置了不同的颜色，并将图例放置在图表的右侧。

5. 水平柱状图的图例

水平柱状图是柱状图的一种变体，特别适用于类别标签较长的情况。

5.1 创建基本的水平柱状图

让我们创建一个基本的水平柱状图：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [4, 7, 2, 5]

plt.figure(figsize=(10, 6))
plt.barh(categories, values, label='Data - how2matplotlib.com')
plt.title('Horizontal Bar Chart')
plt.xlabel('Values')
plt.ylabel('Categories')
plt.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们使用plt.barh()函数创建水平柱状图。图例的添加方式与垂直柱状图相同。

5.2 多系列水平柱状图的图例

对于多系列的水平柱状图，我们需要特别注意柱子的位置和图例的布局：

import matplotlib.pyplot as plt
import numpy as np

categories = ['Category A', 'Category B', 'Category C', 'Category D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

y = np.arange(len(categories))
height = 0.35

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.barh(y - height/2, values1, height, label='Series 1 - how2matplotlib.com')
rects2 = ax.barh(y + height/2, values2, height, label='Series 2 - how2matplotlib.com')

ax.set_title('Multiple Series Horizontal Bar Chart')
ax.set_xlabel('Values')
ax.set_yticks(y)
ax.set_yticklabels(categories)
ax.legend(loc='lower right')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了两个并排的水平柱状图系列，并将图例放置在右下角。

6. 图例与数据标签的结合

有时，我们可能希望在柱子上直接显示数值，同时保留图例。这种组合可以提供更详细的信息。

6.1 添加数据标签

让我们为柱状图添加数据标签：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

fig, ax = plt.subplots(figsize=(10, 6))
bars = ax.bar(categories, values, label='Data - how2matplotlib.com')

ax.set_title('Bar Chart with Data Labels and Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    ax.text(bar.get_x() + bar.get_width()/2., height,
            f'{height}',
            ha='center', va='bottom')

ax.legend()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们遍历每个柱子，并在其顶部添加对应的数值标签。

6.2 结合数据标签和自定义图例

我们可以进一步自定义数据标签和图例的样式：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

x = np.arange(len(categories))
width = 0.35

fig, ax = plt.subplots(figsize=(12, 6))
rects1 = ax.bar(x - width/2, values1, width, label='Series 1 - how2matplotlib.com', color='skyblue')
rects2 = ax.bar(x + width/2, values2, width, label='Series 2 - how2matplotlib.com', color='lightgreen')

ax.set_title('Bar Chart with Data Labels and Custom Legend')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 添加数据标签
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax.annotate(f'{height}',
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(rects1)
autolabel(rects2)

ax.legend(title='Data Series', bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们为两个数据系列添加了数据标签，并将图例放置在图表的右侧，同时为图例添加了标题。

7. 动态图例

在某些情况下，我们可能需要根据数据动态地添加或移除图例项。

7.1 动态添加图例项

以下是一个动态添加图例项的例子：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

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

# 初始只画一个系列
bars1 = ax.bar(categories, values1, label='Series 1 - how2matplotlib.com')

ax.set_title('Dynamic Legend Example')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 初始图例
legend = ax.legend()

plt.show(block=False)
plt.pause(2)  # 暂停2秒

# 添加第二个系列
bars2 = ax.bar(categories, values2, bottom=values1, label='Series 2 - how2matplotlib.com')

# 更新图例
ax.legend()

plt.draw()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何先显示一个数据系列，然后动态添加另一个系列并更新图例。

7.2 交互式图例

Matplotlib还支持交互式图例，允许用户通过点击图例来显示或隐藏特定的数据系列：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]

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

bars1 = ax.bar(np.arange(len(categories)) - 0.25, values1, 0.25, label='Series 1 - how2matplotlib.com')
bars2 = ax.bar(np.arange(len(categories)), values2, 0.25, label='Series 2 - how2matplotlib.com')
bars3 = ax.bar(np.arange(len(categories)) + 0.25, values3, 0.25, label='Series 3 - how2matplotlib.com')

ax.set_title('Interactive Legend Example')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
ax.set_xticks(np.arange(len(categories)))
ax.set_xticklabels(categories)

leg = ax.legend()

# 使图例可交互
lined = {}  # 将图例文本映射到线条对象
for legline, origline in zip(leg.get_lines(), [bars1, bars2, bars3]):
    legline.set_picker(5)  # 5 pts tolerance
    lined[legline] = origline

def onpick(event):
    # 点击图例时触发
    legline = event.artist
    origline = lined[legline]
    vis = not origline[0].get_visible()
    for rect in origline:
        rect.set_visible(vis)
    # 更改图例中线条的alpha值
    if vis:
        legline.set_alpha(1.0)
    else:
        legline.set_alpha(0.2)
    fig.canvas.draw()

fig.canvas.mpl_connect('pick_event', onpick)

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子创建了一个交互式图例，用户可以通过点击图例项来显示或隐藏相应的数据系列。

8. 自定义图例标记

有时，我们可能想要自定义图例中的标记，使其与实际数据表示不同。

8.1 使用自定义标记

以下是一个使用自定义标记的例子：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values = [4, 7, 2, 5]

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

bars = ax.bar(categories, values)

# 创建自定义图例
custom_lines = [plt.Line2D([0], [0], color='blue', lw=4),
                plt.Rectangle((0, 0), 1, 1, fc='red')]

ax.legend(custom_lines, ['Line', 'Rectangle - how2matplotlib.com'])

ax.set_title('Bar Chart with Custom Legend Markers')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

在这个例子中，我们创建了自定义的图例标记，一个是线条，另一个是矩形，这与实际的柱状图表示不同。

8.2 组合不同类型的图表

有时，我们可能需要在同一个图表中组合不同类型的图表，并为它们创建统一的图例：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
bar_values = [4, 7, 2, 5]
line_values = [3, 5, 4, 6]

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

# 绘制柱状图
bars = ax.bar(categories, bar_values, label='Bar Data - how2matplotlib.com')

# 绘制折线图
line = ax.plot(categories, line_values, color='red', marker='o', label='Line Data - how2matplotlib.com')

ax.set_title('Combined Bar and Line Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')

# 添加图例
ax.legend()

plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何在同一个图表中组合柱状图和折线图，并为它们创建统一的图例。

9. 图例的高级样式

Matplotlib提供了许多高级选项来进一步自定义图例的样式。

9.1 使用自定义字体和颜色

我们可以为图例设置自定义字体和颜色：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]

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

ax.bar(np.arange(len(categories)) - 0.2, values1, 0.4, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(np.arange(len(categories)) + 0.2, values2, 0.4, label='Series 2 - how2matplotlib.com', color='lightgreen')

ax.set_title('Bar Chart with Styled Legend', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)
ax.set_xticks(np.arange(len(categories)))
ax.set_xticklabels(categories)

# 自定义图例样式
legend = ax.legend(prop={'family': 'serif', 'size': 12}, 
                   title='Data Series', 
                   title_fontsize='13',
                   facecolor='white', 
                   edgecolor='black',
                   framealpha=0.8,
                   loc='upper right')

# 设置图例标题的颜色
legend.get_title().set_color('navy')

plt.tight_layout()
plt.show()

Output:

Matplotlib柱状图图例：如何创建和自定义柱状图的图例

这个例子展示了如何自定义图例的字体、颜色、背景和边框。

9.2 创建多列图例

对于包含多个数据系列的图表，多列图例可以节省空间：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D']
values1 = [4, 7, 2, 5]
values2 = [3, 6, 4, 3]
values3 = [2, 5, 3, 6]
values4 = [5, 3, 6, 2]

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

width = 0.2
x = np.arange(len(categories))

ax.bar(x - 1.5*width, values1, width, label='Series 1 - how2matplotlib.com', color='skyblue')
ax.bar(x - 0.5*width, values2, width, label='Series 2 - how2matplotlib.com', color='lightgreen')
ax.bar(x + 0.5*width, values3, width, label='Series 3 - how2matplotlib.com', color='salmon')
ax.bar(x + 1.5*width, values4, width, label='Series 4 - how2matplotlib.com', color='gold')

ax.set_title('Bar Chart with Multi-column Legend', fontsize=16)
ax.set_xlabel('Categories', fontsize=12)
ax.set_ylabel('Values', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(categories)

# 创建多列图例
ax.legend(ncol=2, loc='upper center', bbox_to_anchor=(0.5, 1.15), 
          fancybox=True, shadow=True)

plt.tight_layout()
plt.show()