在同一轴上添加Matplotlib盒图的图例

在数据可视化中，盒图是一种常用的工具，能够更直观地展现数据的分布和离散程度。而在Matplotlib中，绘制盒图的函数是boxplot()。然而，当我们需要在同一张图中展现多个盒图时，如何添加图例却成了一个问题。本文将介绍一种简单的方法，在同一轴上添加Matplotlib盒图的图例。

相关知识

在使用Matplotlib绘图时，我们需要引入Matplotlib库，一般使用以下代码：

import matplotlib.pyplot as plt

在绘制盒图时，我们需要使用boxplot()函数。该函数接受一个或多个数组，每个数组代表一个数据集合。以下是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(0, 2, 100)
data3 = np.random.normal(0, 3, 100)

# 绘制盒图
plt.boxplot([data1, data2, data3])

# 显示图形
plt.show()

上述代码中，我们生成了3个均值为0，标准差不同的正态分布数据集，然后使用boxplot()函数绘制了这三个数据集的盒图。最后使用show()函数显示了图形。我们可以看到，该代码绘制了三个盒图，但是却没有添加图例。我们需要解决这个问题。

解决方法

在Matplotlib中，添加图例一般使用legend()函数实现。但是对于盒图来说，该函数并不能直接进行使用。在解决这个问题之前，我们需要先了解盒图的结构。

可以看到，盒图由五个元素组成：最大值、最小值、中位数、第一四分位数和第三四分位数。在Matplotlib中，boxplot()函数返回一个字典对象，该对象包含了这些元素的值。我们可以在该字典对象中添加我们自己的元素，然后在图例中展示。

代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(0, 2, 100)
data3 = np.random.normal(0, 3, 100)

# 计算中位数和四分位数
med1 = np.median(data1)
med2 = np.median(data2)
med3 = np.median(data3)
q1_1 = np.percentile(data1, 25)
q1_2 = np.percentile(data2, 25)
q1_3 = np.percentile(data3, 25)
q3_1 = np.percentile(data1, 75)
q3_2 = np.percentile(data2, 75)
q3_3 = np.percentile(data3, 75)

# 绘制盒图
box1 = plt.boxplot(data1, positions=[1], widths=0.5)
box2 = plt.boxplot(data2, positions=[2], widths=0.5)
box3 = plt.boxplot(data3, positions=[3], widths=0.5)

# 添加中位数和四分位数元素
plt.plot([1, 1], [q1_1, q3_1], 'k-', lw=1)
plt.plot([2, 2], [q1_2, q3_2], 'k-', lw=1)
plt.plot([3, 3], [q1_3, q3_3], 'k-', lw=1)
plt.scatter([1, 2, 3], [med1,med2, med3], marker='o', color='orange', s=50)

# 添加图例
legend_elements = [plt.Line2D([0], [0], marker='o', color='orange', label='Median'),
                   plt.Line2D([0], [0], color='black', lw=1, label='Quartiles')]
plt.legend(handles=legend_elements, loc='best')

# 显示图形
plt.show()

上述代码中，我们首先计算了中位数和四分位数的值，然后使用boxplot()函数分别绘制了三个盒图，并将它们设置在了不同的位置（x轴坐标分别为1、2、3）。接着，我们手动添加了中位数和四分位数的元素，并使用scatter()函数添加了图例。其中，legend_elements列表包含了所有需要添加的元素。