当我们绘制复杂的图表，尤其是包含多个数据系列的图表时，一个清晰、易读的图例是至关重要的。plt.legend()函数是Matplotlib库中用于添加和定制图例的关键工具。在本篇博文中，我们将深入探讨plt.legend()的功能、用法以及如何通过它提升图表的可读性和美观度。
1.plt.legend()的基本用法
首先，我们需要了解plt.legend()的基本用法。通常，在绘制完图表的数据系列后，我们可以简单地调用plt.legend()来自动创建一个图例。例如：
# -*- coding: utf-8 -*- """ Created on Mon Feb 19 13:33:58 2024 @author: zqq """ import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) plt.rcParams['axes.unicode_minus']=False # 显示负号 plt.plot(x, y1, label='sin(x)') plt.plot(x, y2, label='cos(x)') plt.legend() plt.show()
在这个例子中，label参数用于为数据系列指定标签，这些标签随后被plt.legend()用来创建图例。
这段代码在Spyder编辑器中如下：
运行代码，得到下面的图表：
可以看到图例（蓝色实线sin(x)、橙色实线cos(x））在左下角，我们可以通过设置超参数指定该图例的位置。plt.rcParams[‘axes.unicode_minus’]=False # 显示负号，这段代码表示正常显示负号。
使用方法：
plt.legend(loc='xxx')
xxx的取值为：
- ‘best’（默认值）：自动选择最佳位置。
- ‘upper right’：右上角。
- ‘upper left’：左上角。
- ‘lower right’：右下角。
- ‘lower left’：左下角。
- ‘right’：右侧。
- ‘center left’：左侧中央。
- ‘center right’：右侧中央。
- ‘lower center’：底部中央。
- ‘upper center’：顶部中央。
2.plt.legend()的示例
# -*- coding: utf-8 -*- """ Created on Mon Feb 19 11:21:04 2024 @author: zqq """ import matplotlib.pyplot as plt from matplotlib import pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5, 6, 7] y1 = [9, 12, 18, 20, 15, 17, 27] y2 = [8, 12, 9, 14, 11, 15, 16] y3 = [12, 14, 10, 12, 16, 18, 20] y4 = [11, 19, 6, 15, 14, 16, 23] # 绘制数据，并添加标签 plt.plot(x, y1, label='数据系列1') plt.plot(x, y2, label='数据系列2') plt.plot(x, y3, label='数据系列3') plt.plot(x, y4, label='数据系列4') plt.rcParams['font.sans-serif']=['simHei'] # 中文显示 # 添加图例 plt.legend(loc='lower right') # 显示图表 plt.show()
plt.rcParams[‘font.sans-serif’]=[‘simHei’] # 中文显示，这段代码表示正常显示中文。
plt.legend(loc=‘lower right’)，显示在右下角：
plt.legend(loc=‘upper left’)，显示在左上角：
# -*- coding: utf-8 -*- """ Created on Mon Feb 19 11:21:04 2024 @author: zqq """ import matplotlib.pyplot as plt from matplotlib import pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5, 6, 7] y1 = [9, 12, 18, 20, 15, 17, 27] y2 = [8, 12, 9, 14, 11, 15, 16] y3 = [12, 14, 10, 12, 16, 18, 20] y4 = [11, 19, 6, 15, 14, 16, 23] # 绘制数据，并添加标签 plt.plot(x, y1, label='数据系列1') plt.plot(x, y2, label='数据系列2') plt.plot(x, y3, label='数据系列3') plt.plot(x, y4, label='数据系列4') plt.rcParams['font.sans-serif']=['simHei'] # 中文显示 # 添加图例 plt.legend(loc='upper left') # 显示图表 plt.show()
plt.legend()，默认参数，显示在最佳位置：
# -*- coding: utf-8 -*- """ Created on Mon Feb 19 11:21:04 2024 @author: zqq """ import matplotlib.pyplot as plt from matplotlib import pyplot as plt # 示例数据 x = [1, 2, 3, 4, 5, 6, 7] y1 = [9, 12, 18, 20, 15, 17, 27] y2 = [8, 12, 9, 14, 11, 15, 16] y3 = [12, 14, 10, 12, 16, 18, 20] y4 = [11, 19, 6, 15, 14, 16, 23] # 绘制数据，并添加标签 plt.plot(x, y1, label='数据系列1') plt.plot(x, y2, label='数据系列2') plt.plot(x, y3, label='数据系列3') plt.plot(x, y4, label='数据系列4') plt.rcParams['font.sans-serif']=['simHei'] # 中文显示 # 添加图例 plt.legend() # 显示图表 plt.show()
图例不仅是数据系列的标识，它也是图表整体设计的一部分。合适的图例位置、大小和样式可以极大地提高图表的可读性和吸引力。在设计图表时，考虑图例与其他图表元素（如标题、轴标签、刻度等）的协调性和一致性非常重要。plt.legend()是Matplotlib中不可或缺的一个函数，它使得我们能够轻松地为图表添加清晰、美观的图例。通过了解其基本用法和定制选项，你可以创建出既信息丰富又视觉上吸引人的图表。不断实践和探索，你将发现plt.legend()为你的数据可视化工作带来的无限可能。
这是2024年的第一篇博文，本来想写更好的内容，但是工作是越来越卷了，根本没有时间撰写更优质的博文，已经断更挺长时间了。借着今天修改代码中的图例，挤出时间写成文章，实属不易，干货不多，还望各位海涵。后面将继续更新专栏文章，回馈广大粉丝朋友。
好了，今天的学习就到这里，让我们下期再见。
参考：
https://blog.csdn.net/weixin_74850661/article/details/132949071