Matplotlib 图例大小设置：全面指南与实用技巧|极客教程

Matplotlib 图例大小设置：全面指南与实用技巧

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（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。然而，默认的图例大小并不总是能满足我们的需求。本文将深入探讨如何在 Matplotlib 中调整图例的大小，以及与之相关的各种技巧和最佳实践。

1. 图例大小的重要性

在数据可视化中，图例的大小直接影响了图表的可读性和美观度。太小的图例可能难以辨认，而过大的图例则可能遮挡重要的数据点。因此，合理设置图例大小是创建高质量图表的关键步骤之一。

让我们从一个简单的例子开始，看看默认的图例大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib 图例大小设置：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，并添加了一个默认大小的图例。接下来，我们将探讨如何调整这个图例的大小。

2. 使用 fontsize 参数调整图例文本大小

调整图例大小最直接的方法是改变图例文本的字体大小。这可以通过 legend() 函数的 fontsize 参数来实现：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=16)  # 设置图例字体大小为16
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们将图例的字体大小设置为 16。这会使图例文本变大，从而间接增加了整个图例的大小。

3. 使用 prop 参数设置图例属性

如果你想要更精细地控制图例文本的属性，可以使用 prop 参数。这个参数接受一个字典，可以同时设置多个文本属性：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(prop={'family': 'serif', 'size': 14, 'weight': 'bold'})
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们不仅设置了字体大小，还指定了字体系列和粗细。这给了我们更多的控制权，可以精确地调整图例的外观。

4. 调整图例框的大小

有时候，我们可能需要直接调整图例框的大小，而不仅仅是文本大小。这可以通过设置 bbox_to_anchor 参数来实现：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，bbox_to_anchor=(1.05, 1) 将图例放置在主图的右上角外侧。这不仅改变了图例的位置，还间接影响了其大小，因为现在图例有了更多的空间来展开。

5. 使用 figlegend() 创建图形级别的图例

如果你的图表包含多个子图，你可能想要创建一个适用于整个图形的大图例。这可以通过 figlegend() 函数实现：

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)')
ax2.plot(x, np.cos(x), label='Cos(x)')

ax1.set_title('Sine Function - how2matplotlib.com')
ax2.set_title('Cosine Function - how2matplotlib.com')

fig.legend(fontsize=16, loc='lower center', bbox_to_anchor=(0.5, -0.05), ncol=2)
plt.tight_layout()
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们创建了两个子图，然后使用 fig.legend() 在图形底部创建了一个大的、共享的图例。通过调整 fontsize 和 bbox_to_anchor，我们可以控制这个图例的大小和位置。

6. 自定义图例样式

除了大小，我们还可以自定义图例的其他样式属性，如边框、背景色等，这些也会影响图例的视觉大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, fancybox=True, shadow=True, borderpad=1, 
           edgecolor='green', facecolor='lightgreen')
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们添加了阴影效果，增加了内边距，并设置了边框和背景颜色。这些设置使图例看起来更大，更突出。

7. 调整图例中的标记大小

有时，我们可能想要调整图例中标记（如线条或点）的大小。这可以通过 legend() 函数的 markerscale 参数来实现：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), 'o-', label='Sin(x)')
plt.plot(x, np.cos(x), 's-', label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, markerscale=2)  # 将标记大小增加一倍
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，markerscale=2 将图例中的标记大小增加了一倍。这对于包含点或其他标记的图表特别有用。

8. 使用 columnspacing 调整多列图例

当图例包含多个项目时，我们可能想要将它们排列成多列。这时，调整列间距可以影响图例的整体大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
for i in range(5):
    plt.plot(x, np.sin(x + i), label=f'Sin(x + {i})')
plt.title('Multiple Sine Functions - how2matplotlib.com')
plt.legend(fontsize=10, ncol=3, columnspacing=1)
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们创建了5条正弦曲线，并将图例设置为3列。columnspacing=1 设置了列之间的间距，这会影响图例的整体宽度。

9. 动态调整图例大小

在某些情况下，我们可能需要根据图例项目的数量动态调整图例的大小。这可以通过编程方式实现：

import matplotlib.pyplot as plt
import numpy as np

def plot_with_dynamic_legend(num_items):
    x = np.linspace(0, 10, 100)
    for i in range(num_items):
        plt.plot(x, np.sin(x + i), label=f'Sin(x + {i})')

    fontsize = max(8, min(12, 20 - num_items))  # 动态调整字体大小
    ncol = max(1, num_items // 5)  # 动态调整列数

    plt.title(f'{num_items} Sine Functions - how2matplotlib.com')
    plt.legend(fontsize=fontsize, ncol=ncol)
    plt.show()

plot_with_dynamic_legend(10)

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们创建了一个函数，它根据图例项目的数量动态调整字体大小和列数。这确保了无论有多少个项目，图例都能保持合适的大小。

10. 使用 bbox_inches 参数保存完整图例

当保存包含大图例的图表时，有时图例可能会被裁剪。使用 bbox_inches='tight' 参数可以确保保存完整的图例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.figure(figsize=(8, 6))
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', fontsize=12)
plt.tight_layout()
plt.savefig('trig_functions_with_legend.png', bbox_inches='tight')
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们将图例放在了主图的右侧。使用 bbox_inches='tight' 确保在保存图片时，整个图例都被包含在内，不会被裁剪。

11. 使用 handlelength 和 handleheight 调整图例标记大小

除了 markerscale，我们还可以使用 handlelength 和 handleheight 参数来精确控制图例中标记的大小：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, handlelength=3, handleheight=1.5)
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，handlelength=3 增加了图例中线条的长度，而 handleheight=1.5 增加了线条的高度。这些参数可以帮助我们精细地控制图例中标记的大小。

12. 使用 labelspacing 调整图例项目间距

如果你想增加或减少图例中各项目之间的垂直间距，可以使用 labelspacing 参数：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.plot(x, np.tan(x), label='Tan(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, labelspacing=1.5)  # 增加项目间的垂直间距
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，labelspacing=1.5 增加了图例项目之间的垂直间距，使图例整体看起来更大、更宽松。

13. 使用 frameon 参数控制图例边框

图例的边框也会影响其视觉大小。我们可以使用 frameon 参数来控制是否显示边框：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, frameon=False)  # 移除图例边框
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，frameon=False 移除了图例的边框。这可以使图例看起来更小巧，更融入背景。

14. 使用 loc 参数调整图例位置

图例的位置也会影响其可用空间，从而影响其大小。我们可以使用 loc 参数来调整图例的位置：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, loc='lower right')  # 将图例放在右下角
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，loc='lower right' 将图例放在了图表的右下角。不同的位置可能会给图例提供不同的空间，从而影响其大小。

15. 使用 title 参数为图例添加标题

为图例添加标题可以增加其整体大小。我们可以使用 title 参数来实现这一点：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Trigonometric Functions - how2matplotlib.com')
plt.legend(fontsize=12, title='Legend Title', title_fontsize=14)
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们为图例添加了一个标题 “Legend Title”，并设置了标题的字体大小。这不仅增加了图例的高度，还提高了其视觉重要性。

16. 使用 mode 参数创建扩展图例

对于包含大量项目的图例，我们可以使用 mode='expand' 参数来创建一个扩展的图例，它会占据整个图表的宽度：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
for i in range(5):
    plt.plot(x, np.sin(x + i), label=f'Sin(x + {i})')
plt.title('Multiple Sine Functions - how2matplotlib.com')
plt.legend(fontsize=10, ncol=5, mode='expand', bbox_to_anchor=(0, 1.02, 1, 0.2))
plt.tight_layout()
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，mode='expand' 和 bbox_to_anchor=(0, 1.02, 1, 0.2) 一起使用，创建了一个占据整个图表宽度的扩展图例。这对于需要显示大量图例项目的情况特别有用。

17. 使用 handler_map 自定义图例项目的外观

对于更高级的自定义需求，我们可以使用 handler_map 参数来完全控制图例项目的外观：

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

class BiggerCircleHandler:
    def legend_artist(self, legend, orig_handle, fontsize, handlebox):
        center = handlebox.width / 2., handlebox.height / 2.
        radius = min(handlebox.width, handlebox.height) / 2. * 1.5  # 增大圆的半径
        return mpatches.Circle(center, radius, facecolor=orig_handle.get_facecolor())

plt.figure(figsize=(8, 6))
plt.scatter([1, 2, 3], [1, 2, 3], c=['red', 'green', 'blue'], s=100, label='Data Points')
plt.title('Custom Legend Handlers - how2matplotlib.com')
plt.legend(handler_map={plt.scatter: BiggerCircleHandler()}, fontsize=12)
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，我们创建了一个自定义的处理器 BiggerCircleHandler，它会在图例中绘制更大的圆。这种方法允许我们完全控制图例项目的大小和外观。

18. 使用 bbox_transform 调整图例位置和大小

bbox_transform 参数可以用来更精确地控制图例的位置和大小，特别是在处理复杂布局时：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 6))
x = np.linspace(0, 10, 100)
ax.plot(x, np.sin(x), label='Sin(x)')
ax.plot(x, np.cos(x), label='Cos(x)')
ax.set_title('Trigonometric Functions - how2matplotlib.com')

# 将图例放在图表的右上角，并调整其大小
ax.legend(bbox_to_anchor=(1, 1), loc='upper left', fontsize=12,
          bbox_transform=ax.transAxes)

plt.tight_layout()
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

在这个例子中，bbox_transform=ax.transAxes 使得 bbox_to_anchor 的坐标系统变为轴的相对坐标系。这允许我们更精确地控制图例的位置和大小，而不受图表尺寸的影响。

19. 使用 rcParams 全局设置图例样式

如果你想在整个项目中统一设置图例样式，可以使用 matplotlib.rcParams：

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

# 全局设置图例样式
mpl.rcParams['legend.fontsize'] = 12
mpl.rcParams['legend.frameon'] = False
mpl.rcParams['legend.handlelength'] = 2

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Global Legend Style - how2matplotlib.com')
plt.legend()
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧

这个例子展示了如何全局设置图例的字体大小、边框和标记长度。这种方法特别适合需要在多个图表中保持一致图例样式的情况。

20. 使用 drag_pan 实现可拖动的图例

最后，我们可以创建一个可拖动的图例，让用户能够自由调整图例的位置和大小：

import matplotlib.pyplot as plt
import numpy as np

class DraggableLegend:
    def __init__(self, legend):
        self.legend = legend
        self.picked = False
        self.legend.set_picker(5)
        self.cidpress = legend.figure.canvas.mpl_connect('pick_event', self.on_pick)
        self.cidrelease = legend.figure.canvas.mpl_connect('button_release_event', self.on_release)
        self.cidmotion = legend.figure.canvas.mpl_connect('motion_notify_event', self.on_motion)

    def on_pick(self, event):
        if event.artist == self.legend:
            self.picked = True

    def on_release(self, event):
        self.picked = False

    def on_motion(self, event):
        if self.picked and event.inaxes:
            self.legend._loc = (event.xdata, event.ydata)
            self.legend.figure.canvas.draw()

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='Sin(x)')
plt.plot(x, np.cos(x), label='Cos(x)')
plt.title('Draggable Legend - how2matplotlib.com')
legend = plt.legend(fontsize=12)
DraggableLegend(legend)
plt.show()

Output:

Matplotlib 图例大小设置：全面指南与实用技巧