当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib 图例放置在图形外部的全面指南

Matplotlib 图例放置在图形外部的全面指南

Matplotlib 图例放置在图形外部的全面指南

参考：matplotlib legend outside

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和图形。在数据可视化中，图例（legend）是一个非常重要的元素，它帮助读者理解图表中不同数据系列的含义。有时，为了更好地利用图表空间或提高可读性，我们需要将图例放置在图形的外部。本文将详细介绍如何在 Matplotlib 中将图例放置在图形外部，并提供多个实用示例。

1. 图例的基本概念

在深入探讨如何将图例放置在图形外部之前，我们先来了解一下图例的基本概念。

图例是一个用于解释图表中各种元素含义的小框，通常包含颜色、线型或标记的样本，以及相应的文本说明。在 Matplotlib 中，我们可以使用 legend() 方法来添加图例。

以下是一个简单的示例，展示了如何创建一个包含图例的基本图表：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表
plt.figure(figsize=(8, 6))
plt.plot(x, y1, label='Line 1')
plt.plot(x, y2, label='Line 2')

# 添加图例
plt.legend()

# 添加标题
plt.title('Basic Plot with Legend - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们创建了两条线，并为每条线设置了标签。然后，我们使用 plt.legend() 方法添加图例。默认情况下，Matplotlib 会自动选择一个合适的位置来放置图例。

2. 将图例放置在图形外部的方法

现在，让我们来探讨如何将图例放置在图形的外部。Matplotlib 提供了几种方法来实现这一目标：

2.1 使用 bbox_to_anchor 参数

bbox_to_anchor 参数允许我们精确控制图例的位置。它接受一个元组，指定图例框的锚点坐标。结合 loc 参数，我们可以将图例放置在图形的任何位置，包括外部。

以下是一个将图例放置在图形右侧的示例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y1, label='Line 1')
ax.plot(x, y2, label='Line 2')

# 将图例放置在图形右侧
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局
plt.tight_layout()

# 添加标题
plt.title('Legend Outside Plot - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们使用 bbox_to_anchor=(1.05, 1) 将图例的左上角锚定在轴的右上角稍微偏右的位置。loc='upper left' 指定了图例框内部的对齐方式。

2.2 使用 fig.legend() 方法

另一种将图例放置在图形外部的方法是使用 fig.legend() 而不是 ax.legend()。这允许我们将图例放置在整个图形的任何位置，而不仅仅是在特定的轴内。

以下是一个使用 fig.legend() 的示例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y1, label='Line 1')
ax.plot(x, y2, label='Line 2')

# 使用 fig.legend() 将图例放置在图形顶部
fig.legend(loc='upper center', bbox_to_anchor=(0.5, 1.15), ncol=2)

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Legend Above Plot - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们使用 fig.legend() 将图例放置在整个图形的顶部。loc='upper center' 和 bbox_to_anchor=(0.5, 1.15) 组合将图例定位在图形的上方中央。ncol=2 参数将图例项排列成两列。

2.3 使用 constrained_layout

Matplotlib 的 constrained_layout 功能可以自动调整图形元素的位置，以避免重叠。当我们将图例放置在图形外部时，这个功能特别有用。

以下是一个使用 constrained_layout 的示例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表，启用 constrained_layout
fig, ax = plt.subplots(figsize=(10, 6), constrained_layout=True)
ax.plot(x, y1, label='Line 1')
ax.plot(x, y2, label='Line 2')

# 将图例放置在图形右侧
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 添加标题
ax.set_title('Legend Outside with Constrained Layout - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们在创建 subplots 时设置 constrained_layout=True。这会自动调整图形布局，确保图例不会与其他元素重叠。

3. 自定义图例样式

除了位置，我们还可以自定义图例的样式，使其更好地融入整体设计。以下是一些常用的自定义选项：

3.1 更改图例框的样式

我们可以更改图例框的边框颜色、填充颜色、透明度等属性：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y1, label='Line 1')
ax.plot(x, y2, label='Line 2')

# 自定义图例样式
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left',
          facecolor='lightgray', edgecolor='black', framealpha=0.5)

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Customized Legend Style - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们设置了图例框的填充颜色（facecolor）、边框颜色（edgecolor）和透明度（framealpha）。

3.2 更改图例文本样式

我们还可以自定义图例中的文本样式：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y1, label='Line 1')
ax.plot(x, y2, label='Line 2')

# 自定义图例文本样式
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left',
          fontsize=12, title='Legend Title', title_fontsize=14)

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Customized Legend Text - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们设置了图例项的字体大小（fontsize），添加了图例标题（title），并设置了标题的字体大小（title_fontsize）。

4. 处理多个子图的图例

当我们有多个子图时，处理图例可能会变得复杂。以下是一些处理多子图图例的方法：

4.1 为每个子图添加单独的图例

我们可以为每个子图添加单独的图例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 第一个子图
ax1.plot(x, y1, label='Line 1')
ax1.plot(x, y2, label='Line 2')
ax1.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
ax1.set_title('Subplot 1')

# 第二个子图
ax2.plot(x, y2, label='Line 3')
ax2.plot(x, y1, label='Line 4')
ax2.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
ax2.set_title('Subplot 2')

# 调整布局
plt.tight_layout()

# 添加总标题
fig.suptitle('Multiple Subplots with Legends - how2matplotlib.com', fontsize=16)

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们为每个子图单独添加了图例，并将它们放置在各自子图的右侧。

4.2 创建一个共享的图例

对于多个子图，我们也可以创建一个共享的图例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y1 = [2, 4, 6, 8, 10]
y2 = [1, 3, 5, 7, 9]

# 创建包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 第一个子图
line1, = ax1.plot(x, y1, label='Line 1')
line2, = ax1.plot(x, y2, label='Line 2')
ax1.set_title('Subplot 1')

# 第二个子图
line3, = ax2.plot(x, y2, label='Line 3')
line4, = ax2.plot(x, y1, label='Line 4')
ax2.set_title('Subplot 2')

# 创建共享的图例
fig.legend([line1, line2, line3, line4], ['Line 1', 'Line 2', 'Line 3', 'Line 4'],
           loc='upper center', bbox_to_anchor=(0.5, 1.15), ncol=4)

# 调整布局
plt.tight_layout()

# 添加总标题
fig.suptitle('Shared Legend for Multiple Subplots - how2matplotlib.com', fontsize=16)

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们使用 fig.legend() 创建了一个共享的图例，并将其放置在整个图形的顶部。

5. 处理大量图例项

当我们有大量的图例项时，可能需要特殊处理以保持图表的清晰度和可读性。以下是一些处理大量图例项的方法：

5.1 使用多列布局

对于大量的图例项，我们可以使用多列布局来节省空间：

import matplotlib.pyplot as plt

# 创建数据
x = range(1, 11)
data = [list(range(i, i+10)) for i in range(1, 11)]

# 创建图表
fig, ax = plt.subplots(figsize=(12, 8))

# 绘制多条线
for i, y in enumerate(data):
    ax.plot(x, y, label=f'Line {i+1}')

# 使用多列布局的图例
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left', ncol=2)

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Multiple Legend Items in Columns - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们使用 ncol=2 参数将图例项排列成两列，以更有效地利用空间。

5.2 创建图例的滚动条

对于非常多的图例项，我们可以创建一个带滚动条的图例：

import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from tkinter import *

def create_scrollable_legend():
    # 创建数据
    x = range(1, 21)
    data = [list(range(i, i+20)) for i in range(1, 31)]

    # 创建图表
    fig, ax = plt.subplots(figsize=(10, 6))

    # 绘制多条线
    for i, y in enumerate(data):
        ax.plot(x, y, label=f'Line {i+1}')

    # 创建Tkinter窗口
    root = Tk()
    root.title("Scrollable Legend - how2matplotlib.com")

    # 创建画布
    canvas = FigureCanvasTkAgg(fig, master=root)
    canvas.draw()
    canvas.get_tk_widget().pack(side=TOP, fill=BOTH, expand=1)

    # 创建滚动条
    scrollbar = Scrollbar(root)
    scrollbar.pack(side=RIGHT, fill=Y)

    # 创建列表框用于显示图例
    listbox = Listbox(root, yscrollcommand=scrollbar.set)
    for line in ax.get_lines():
        listbox.insert(END, line.get_label())
    listbox.pack(side=LEFT, fill=BOTH)

    # 配置滚动条
    scrollbar.config(command=listbox.yview)

    # 运行Tkinter事件循环
    root.mainloop()

# 调用函数创建可滚动的图例
create_scrollable_legend()

这个例子创建了一个带有滚动条的独立窗口来显示图例。这种方法特别适用于有大量图例项的情况，因为它允许用户滚动查看所有项目。

6. 动态更新图例

在某些情况下，我们可能需要动态更新图例，例如在实时数据可视化中。以下是一个动态更新图例的示例：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))
lines = []
legends = []

# 初始化函数
def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(0, 10)
    return lines

# 更新函数
def update(frame):
    if frame % 20 == 0 and frame > 0:
        color = np.random.rand(3,)
        new_line, = ax.plot([], [], color=color, label=f'Line {frame//20}')
        lines.append(new_line)
        legends.append(f'Line {frame//20}')

    for i, line in enumerate(lines):
        line.set_data(np.arange(10), np.random.rand(10)*10)

    ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
    ax.set_title(f'Dynamic Legend Update - Frame {frame} - how2matplotlib.com')
    return lines

# 创建动画
anim = FuncAnimation(fig, update, frames=100, init_func=init, blit=True, interval=100)

# 调整布局
plt.tight_layout()

# 显示动画
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们创建了一个动画，每隔一定帧数就添加一条新的线和相应的图例项。这展示了如何在图表更新时动态添加和更新图例。

7. 处理重叠的图例

当图例项很多或图表空间有限时，可能会出现图例重叠的问题。以下是一些处理重叠图例的技巧：

7.1 使用 columnspacing 和 handlelength 参数

我们可以调整图例项之间的间距和图例符号的长度来减少重叠：

import matplotlib.pyplot as plt

# 创建数据
x = range(1, 11)
data = [list(range(i, i+10)) for i in range(1, 8)]

# 创建图表
fig, ax = plt.subplots(figsize=(12, 8))

# 绘制多条线
for i, y in enumerate(data):
    ax.plot(x, y, label=f'Line with a long name {i+1}')

# 使用 columnspacing 和 handlelength 参数
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left', 
          ncol=2, columnspacing=1, handlelength=1)

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Handling Overlapping Legends - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

在这个例子中，我们使用 columnspacing 参数增加列之间的间距，使用 handlelength 参数减少图例符号的长度，从而减少重叠。

7.2 使用 bbox_inches=’tight’ 保存图表

当保存包含外部图例的图表时，可能会出现图例被裁剪的问题。使用 bbox_inches='tight' 参数可以解决这个问题：

import matplotlib.pyplot as plt

# 创建数据
x = range(1, 11)
data = [list(range(i, i+10)) for i in range(1, 6)]

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制多条线
for i, y in enumerate(data):
    ax.plot(x, y, label=f'Line {i+1}')

# 添加图例
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Saving Plot with External Legend - how2matplotlib.com')

# 保存图表，使用 bbox_inches='tight'
plt.savefig('plot_with_external_legend.png', bbox_inches='tight')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

这个例子展示了如何使用 bbox_inches='tight' 参数保存包含外部图例的图表，确保图例不会被裁剪。

8. 高级图例技巧

以下是一些高级的图例使用技巧，可以帮助你创建更复杂和信息丰富的图表：

8.1 创建自定义图例

有时，默认的图例可能无法满足我们的需求。在这种情况下，我们可以创建自定义图例：

import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 创建一些数据
ax.plot([1, 2, 3], [1, 2, 3], label='Line')
ax.scatter([1, 2, 3], [2, 3, 4], label='Scatter')

# 创建自定义图例项
custom_line = mpatches.Patch(color='red', label='Custom item')

# 组合默认图例和自定义图例
handles, labels = ax.get_legend_handles_labels()
handles.append(custom_line)

# 添加组合后的图例
ax.legend(handles=handles, bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Custom Legend Items - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

这个例子展示了如何创建自定义图例项并将其与默认图例项组合。

8.2 使用图例来显示数据统计

我们可以利用图例来显示一些数据统计信息：

import matplotlib.pyplot as plt
import numpy as np

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

# 创建图表
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制线条
ax.plot(x, y1, label='sin(x)')
ax.plot(x, y2, label='cos(x)')

# 计算一些统计数据
mean_y1 = np.mean(y1)
mean_y2 = np.mean(y2)

# 创建包含统计信息的图例
ax.legend(title='Functions',
          labels=[f'sin(x): mean={mean_y1:.2f}',
                  f'cos(x): mean={mean_y2:.2f}'],
          bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局
plt.tight_layout()

# 添加标题
ax.set_title('Legend with Statistics - how2matplotlib.com')

# 显示图表
plt.show()

Output:

Matplotlib 图例放置在图形外部的全面指南

这个例子展示了如何在图例中包含数据统计信息，使图表更加信息丰富。

9. 总结

将图例放置在 Matplotlib 图形外部是一种有效的方法，可以优化图表布局，提高可读性，并为复杂的数据可视化提供更多空间。本文详细介绍了多种实现这一目标的方法，包括使用 bbox_to_anchor 参数、fig.legend() 方法和 constrained_layout 功能。

我们还探讨了如何自定义图例样式、处理多个子图的图例、应对大量图例项的挑战，以及如何动态更新图例。此外，我们还介绍了一些高级技巧，如创建自定义图例和在图例中显示数据统计信息。

通过掌握这些技巧，你可以创建更加专业、信息丰富和美观的数据可视化图表。记住，图例的放置和样式应该根据你的具体需求和数据特性来选择，目标是使你的图表既美观又易于理解。

在实际应用中，不要忘记考虑你的目标受众和展示环境。有时，简单的内部图例可能更适合，而在其他情况下，精心设计的外部图例可能会大大提升你的数据展示效果。通过不断实践和尝试，你将能够为每个数据可视化项目找到最佳的图例解决方案。

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