数据科学 IPython 笔记本 8.9 自定义图例
8.9 自定义图例
原文:Customizing Plot Legends
译者:飞龙
协议:CC BY-NC-SA 4.0
本节是《Python 数据科学手册》(Python Data Science Handbook)的摘录。
绘图的图例将意义赋予可视化,为各种绘图元素标识意义。我们以前看过如何创建简单的图例;在这里,我们将介绍如何在 Matplotlib 中自定义图例的位置和样式。
可以使用plt.legend()
命令创建最简单的图例,该命令会自动为任何已标记的绘图元素创建图例:
import matplotlib.pyplot as plt
plt.style.use('classic')%matplotlib inline
import numpy as npx = np.linspace(0, 10, 1000)
fig, ax = plt.subplots()
ax.plot(x, np.sin(x), '-b', label='Sine')
ax.plot(x, np.cos(x), '--r', label='Cosine')
ax.axis('equal')
leg = ax.legend();
但是我们可能有很多方法想要定制这样一个图例。例如,我们可以指定位置并关闭边框:
ax.legend(loc='upper left', frameon=False)
fig
我们可以使用ncol
命令来指定图例中的列数:
ax.legend(frameon=False, loc='lower center', ncol=2)
fig
我们可以使用圆角框(fancybox
)或添加阴影,更改边框的透明度(alpha
值),或更改文本周围的边距:
ax.legend(fancybox=True, framealpha=1, shadow=True, borderpad=1)
fig
可用图例选项的更多信息,请参阅plt.legend
文档字符串。
为图例选择元素
我们已经看到,图例默认包含所有已标记的元素。如果这不是我们想要的,我们可以通过使用plot
命令返回的对象,来微调图例中出现的元素和标签。plt.plot()
命令可以一次创建多个线条,并返回已创建的线条实例的列表。将这些中的任何一个,以及我们想要标识的标签传递给plt.legend()
将告诉它识别哪些:
y = np.sin(x[:, np.newaxis] + np.pi * np.arange(0, 2, 0.5))
lines = plt.plot(x, y)# 直线是 plt.Line2D 实例的列表
plt.legend(lines[:2], ['first', 'second']);
我通常在实践中发现使用第一种方法更清晰,将标签应用于你想要在图例上显示的绘图元素:
plt.plot(x, y[:, 0], label='first')
plt.plot(x, y[:, 1], label='second')
plt.plot(x, y[:, 2:])
plt.legend(framealpha=1, frameon=True);
请注意,默认情况下,图例会忽略没有设置label
属性的所有元素。
用于点的大小的图例
有时,图例默认值不足以满足给定的可视化效果。例如,你可能正在使用点的大小来标记数据的某些特征,并且想要创建反映这一点的图例。这是一个例子,我们将使用点的大小来表示加州城市的人口。我们想要一个标识点大小比例的图例,我们将通过绘制一些没有条目的标记数据来实现它:
import pandas as pd
cities = pd.read_csv('data/california_cities.csv')# 提取我们感兴趣的数据
lat, lon = cities['latd'], cities['longd']
population, area = cities['population_total'], cities['area_total_km2']# 将点绘制为散点图,使用尺寸和颜色,但没有标签
plt.scatter(lon, lat, label=None,c=np.log10(population), cmap='viridis',s=area, linewidth=0, alpha=0.5)
plt.axis(aspect='equal')
plt.xlabel('longitude')
plt.ylabel('latitude')
plt.colorbar(label='log$_{10}$(population)')
plt.clim(3, 7)# 这里我们创建图例
# 我们使用所需大小和标签绘制空列表
for area in [100, 300, 500]:plt.scatter([], [], c='k', alpha=0.3, s=area,label=str(area) + ' km$^2$')
plt.legend(scatterpoints=1, frameon=False, labelspacing=1, title='City Area')plt.title('California Cities: Area and Population');
图例始终引用绘图上的某个对象,因此如果我们想要显示特定的形状,我们需要绘制它。在这种情况下,我们想要的对象(灰色圆圈)不在图上,所以我们通过绘制空列表来伪造它们。另请注意,图例仅列出了指定标签的绘图元素。
通过绘制空列表,我们创建了带标签的绘图对象,由图例拾取,现在我们的图例告诉我们一些有用的信息。此策略可用于创建更复杂的可视化。
最后,请注意,对于这样的地理数据,如果我们可以显示州边界或其他特定于地图的元素,则会更清楚。为此,一个很好的工具选择是 Matplotlib 的 Basemap 附加工具包,我们将在“地理数据和 Basemap”中探讨。
多个图例
有时在设计绘图时,你需要在同一轴域上添加多个图例。不幸的是,这对 Matplotlib 并不容易:通过标准的legend
接口,只能为整个绘图创建一个图例。如果你尝试使用plt.legend()
或ax.legend()
创建第二个图例,它将简单地覆盖第一个。我们可以通过从头开始创建一个新的图例艺术家来解决这个问题,然后使用较低级别的ax.add_artist()
方法,手动将第二个艺术家添加到绘图中:
fig, ax = plt.subplots()lines = []
styles = ['-', '--', '-.', ':']
x = np.linspace(0, 10, 1000)for i in range(4):lines += ax.plot(x, np.sin(x - i * np.pi / 2),styles[i], color='black')
ax.axis('equal')# 指定第一个图例的直线和标签
ax.legend(lines[:2], ['line A', 'line B'],loc='upper right', frameon=False)# 创建第二个图例,并手动添加艺术家
from matplotlib.legend import Legend
leg = Legend(ax, lines[2:], ['line C', 'line D'],loc='lower right', frameon=False)
ax.add_artist(leg);
这是对构成任何 Matplotlib 绘图的,低级艺术家对象的窥视。
如果你检查一下ax.legend()
的源代码(回想一下你可以在 IPython 笔记本中使用ax.legend??
来实现),你会看到该函数只包含一些逻辑,创建合适的Legend
艺术家,然后将其保存在legend_
属性中,并在绘图时添加到图形中。
数据科学 IPython 笔记本 8.9 自定义图例相关推荐
- 数据科学 IPython 笔记本 8.14 自定义 Matplotlib:配置和样式表
8.14 自定义 Matplotlib:配置和样式表 原文:Customizing Matplotlib: Configurations and Stylesheets 译者:飞龙 协议:CC BY- ...
- 数据科学 IPython 笔记本 8.13 自定义刻度
8.13 自定义刻度 原文:Customizing Ticks 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Scienc ...
- 数据科学 IPython 笔记本 翻译完成
原文:donnemartin/data-science-ipython-notebooks 译者:飞龙 协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以 ...
- 数据科学 IPython 笔记本 8.10 自定义颜色条
8.10 自定义颜色条 原文:Customizing Colorbars 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data S ...
- 数据科学 IPython 笔记本 8.4 简单的折线图
8.4 简单的折线图 原文:Simple Line Plots 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Data Scienc ...
- 数据科学 IPython 笔记本 8.3 Matplotlib 可视化
8.3 Matplotlib 可视化 原文:Visualization with Matplotlib 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册> ...
- 数据科学 IPython 笔记本 7.14 处理时间序列
7.14 处理时间序列 原文:Working with Time Series 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Dat ...
- 数据科学 IPython 笔记本 8.7 密度和等高线图
8.7 密度和等高线图 原文:Density and Contour Plots 译者:飞龙 协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册>(Python Da ...
- 数据科学 IPython 笔记本 9.9 花式索引
9.9 花式索引 本节是<Python 数据科学手册>(Python Data Science Handbook)的摘录. 译者:飞龙 协议:CC BY-NC-SA 4.0 在前面的章节中 ...
最新文章
- 物体6-Dof pose estimation主流方法汇总
- softmax 与 logsoftmax 区别 或者说logsoftmax优点
- AnnotationConfigApplicationContext容器初始化
- java string.format_如果性能很重要,我应该使用Java的String.format()吗?
- [Linux] 头文件加载顺序
- C#实现外部图片的拖拽到应用程序的简单功能,附全部源码,供有需要的参考...
- 实时数据库中的二级压缩技术
- snabbdom vdom 框架
- 17.看板方法---瓶颈和非即时可用资源
- grafana导入json文件没有数据_基于SpringBoot将Json数据导入到数据库
- CrossApp推出移动应用开发神器CrossApp Style
- 高一计算机课程教案,高一信息技术复习课教案.doc
- [BZOJ1597]土地购买
- java 抛体运动6_抛体运动的公式
- 搭建超级实用的免费机器翻译api
- C语言学习之请编程序将“China”译成密码,密码规律是:用原来的字母后面第4个字母代替原来的字母。
- 客单价怎么算 影响客单价的主要因素有哪些?
- 华为内部的关于IC验证的经验总结
- Joint fully convolutional and graph convolutional networks for weakly-supervised segmentation of
- pytorch 定义torch类型数据_PyTorch 使用TorchText进行文本分类
热门文章
- (70)FPGA面试题-使用不同的代码实现2:1 MUX ?使用case语句
- (17)System Verilog禁止类中所有变量随机属性
- FPGA不积跬步(目录篇)
- 数据结构之树的定义及操作
- 高性能HTTP加速器Varnish(概念篇)
- java 命令 native2ascii_java native2ascii.exe命令
- mysql space id_MySQL8.0新特性:增加系统文件追踪space ID和物理文件的映射-阿里云开发者社区...
- 【重难点】【JUC 02】volitale 常用模式 、JUC 下有哪些内容 、并发工具类
- 力扣836.矩形重叠
- linux 系统配置