图例可以为可视化赋予实际含义，为不同的图标元素附上明确说明。我们前面看到了一些简单的图例创建例子；本小节中我们来介绍一下在 Matplotlib 中自定义图例的位置和进行美化的方法。

可以使用plt.legend()函数来创建最简单的图例，这个函数能自动创建任何带有标签属性的图表元素的图例：

import matplotlib.pyplot asplt

plt.style.use('classic')

import numpyasnp

x= 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();

plt.show()

但除此之外还有很多能自定义图例的方法。例如，我们可以指定图例位置并且去除边框：

ax.legend(loc='upper left', frameon=False)

fig

我们可以使用ncol属性设置图例中每行的列数：

ax.legend(frameon=False, loc='lower center', ncol=2)

fig

还可以使用圆角方框(fancybox)或者增加阴影，设置方框的透明度(alpha 值)或修改文字的边距：

ax.legend(fancybox=True, framealpha=1, shadow=True, borderpad=1)

fig

要获取更多 legend 函数的可用选项信息，请参考plt.legend的文档字符串。

选择设置图例的元素

正如我们前面例子所示，绘制的图例默认包括所有带标签的元素。如果这不是想要的效果，我们可以调整哪些元素和标签会出现在图例当中，这可以通过设置plot 函数或方法返回的对象实现。plt.plot函数能够同时产生多条折线，然后将这些线条的实例列表返回。将其中的部分实例传递到plt.legend()函数就能设置哪些线条会出现在图例中，再通过一个标签的列表指定图例的名称：

y = np.sin(x[:, np.newaxis] + np.pi * np.arange(0, 2, 0.5))

lines=plt.plot(x, y)

# lines是一个线条实例的列表

plt.legend(lines[:2], ['first', 'second']);

作者更加倾向于使用第一种方式，因为更加清晰。通过将标签应用在图表元素上，然后绘制到图例中：

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，legend 会忽略所有不带标签的元素。

散点大小的图例

某些情况下默认的图例不足以满足特定的可视化需求。例如，你在使用散点的大小来标记数据的某个特征，然后希望创建一个相应的图例。下面的例子是加州城市人口的散点图(你们可以用自己文件替换)，我们使用散点的大小表现该城市的面积，散点的颜色来表现城市的人口数量(自然对数值)。我们希望使用一个图例来指明散点尺寸的比例，同时用一个颜色条来说明人口数量，我们可以通过自定义绘制一些标签数据来实现尺寸图例：

译者注：新版 Matplotlib 已经取消 aspect 参数，此处改为使用新的'scaled'参数调用 axis 函数。

import pandas aspd

cities= pd.read_csv(r'D:\python\Github学习材料\Python数据科学手册\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']

# 绘制散点图，使用尺寸代表面积，颜色代表人口，不带标签

plt.scatter(lon, lat, label=None,

c=np.log10(population), cmap='viridis',

s=area, linewidth=0, alpha=0.5)

plt.axis('scaled')

plt.xlabel('longitude')

plt.ylabel('latitude')

plt.colorbar(label='log$_{10}$(population)')

plt.clim(3, 7)

# 下面我们创建图例：

# 使用空列表绘制图例中的散点，使用不同面积和标签，带透明度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');

之前的图例都关联着图表上的一些对象，因此如果我们需要展示图例的话我们首先需要绘制图表元素。在上例中，我们需要的图例对象(灰色圆圈)不在图表上，因此我们采用绘制空列表的方式将它们仿造在图表上(实际上图上没有点)，但是还是需要注意，只有那些带标签的元素才会出现在图例中。

通过绘制空列表，我们创建了三个带标签的对象，然后就可以出现在图例当中，这个图例就能表示出有关城市面积的相关信息。这个策略在很多复杂可视化图表构建过程中都被用到。

最后我们注意到这个图表实际上是一个地理位置图表，如果我们能在上面绘制州界线或其他地图相关的元素的话，会更加清晰。Matplotlib 提供了一个 Basemap 额外工具集来实现这个目标。

多重图例

有时候我们可能需要在同一个图表维度中设计多个图例。不幸的是，Matplotlib 并没有提供很简单的方式实现：通过标准的legend接口，只能在整张图表上创建一个图例。如果你试图使用plt.legend()或ax.legend()创建第二个图例，那么第二条语句创建的图例会覆盖第一条语句创建的。我们只能通过从底层开始来创建一个新的图例 artist 这种方法来解决这个问题，然后使用ax.add_artist()的底层方法手动将第二个作者加到图表上：

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')

# 指定第一个图例的线条和标签

ax.legend(lines[:2], ['line A', 'line B'],

loc='upper right', frameon=False)

# 手动创建第二个图例，并将作者添加到图表中frommatplotlib.legend import Legend

leg= Legend(ax, lines[2:], ['line C', 'line D'],

loc='lower right', frameon=False)

ax.add_artist(leg);

plt.show()

上例展示了用来组成任何 Matplotlib 图表的底层 artist 对象的简单说明。如果你去查看ax.legend()的源代码(你可以通过 IPython 的ax.legend?帮助工具做到)，你可以看到这个方法包含了用来构建合适Legend的 artist 对象的逻辑，构建的对象被保存在legend_属性当中，当绘制时被添加到图表上进行展示.