极客笔记Matplotlib中的自动图例创建
Matplotlib是一个广泛使用的绘图库，可在多个平台上创建各种类型的图表和可视化效果。图例是一种解释图表中展示的不同元素的工具，而Matpoltlib可以自动为图表创建图例。本文将探讨如何在Matplotlib中使用自动图例创建功能。
创建基本图表
让我们从创建一个基本图表开始，以便在其中添加图例。我们将绘制一条曲线和散点图，以演示如何在Matplotlib中自动创建图例。
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图和散点图
plt.plot(x, y, label='sin(x)')
plt.scatter(x[::10], y[::10], label='sampled', color='r')
plt.show()
上面的代码使用了Matplotlib的pyplot模块，在数据上创建了一个折线图和一个散点图。值得注意的是，在每个plt.plot()和plt.scatter()函数调用中都使用了label参数。这是告诉Matplotlib该元素的标签，在后面的图例创建中将使用该标签。
如果我们现在运行上面的代码
我们已经成功地创建了一个基本图表！让我们继续添加一个自动图例。
创建自动图例
我们现在将描述如何在Matplotlib中自动创建图例。要做到这一点，我们需要在绘图函数中添加一些附加代码。在我们的例子中，我们将使用plt.legend()函数创建自动图例。在我们的plot()和scatter()函数调用中，我们可以找到一个具有label参数的字符串。这里的字符串中包含了我们将展示在图例中的值。在我们的示例中，我们有两个项目需要在图例中显示。
要创建图例，我们只需在代码的末尾添加一个额外的函数plt.legend()，它会自动创建一个图例。
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图和散点图
plt.plot(x, y, label='sin(x)')
plt.scatter(x[::10], y[::10], label='sampled', color='r')
# 创建自动图例
plt.legend()
plt.show()
运行上面的代码时，会创建一个更改进的图表和自动图例。
你会注意到我们仅仅调用了plt.legend()函数，而MatPlotlib自动地将折线和散点添加到了图例中。这种方法适用于所有类型的图表和可视化，并且可以方便快捷地说明您的数据。
添加位置
我们可以通过调用plt.legend()函数时添加参数，来改变标签的位置。可以调整的位置包括upper, lower, left, right。让我们添加一个loc参数到plt.legend()函数中，并使用“upper right”作为标签的位置。
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图和散点图
plt.plot(x, y, label='sin(x)')
plt.scatter(x[::10], y[::10], label='sampled', color='r')
# 创建自动图例(位置为'upper right')
plt.legend(loc='upper right')
plt.show()
运行该代码后，将会创建一个更改进的图表和自动图例，图例位于右上角。
根据需要调整loc参数即可更改图例的位置。使用不同的值可以放置图例在不同的角落或边缘。
修改样式
我们还可以通过调用plt.legend()函数时添加参数来改变图例的外观，例如文本大小和样式。
下面的代码演示了如何增加文本大小、使用加粗字体、更改文本颜色、更改背景色。
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图和散点图
plt.plot(x, y, label='sin(x)')
plt.scatter(x[::10], y[::10], label='sampled', color='r')
# 创建自动图例(位置为'upper right')并改变样式
plt.legend(loc='upper right', fontsize=14, title='Legend', title_fontsize=16,
shadow=True, facecolor='yellow', edgecolor='blue')
plt.show()
运行该代码后，将会创建一个更改进的图表和自动图例，并且图例的文本大小、字体样式、文本颜色、背景色等都被修改了。
可以根据需要调整这些参数，以使图例符合您的美学标准。
多个图例
在某些情况下，您可能需要在一个图表中创建多个图例，以突出显示各种不同的元素。Matplotlib支持这种需求，并且在创建多个图例时提供了一些可定制的选项。
下面的代码演示了如何创建两个图例并将它们放置在图像上方和下方。
import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图和散点图
plt.plot(x, y, label='sin(x)')
plt.scatter(x[::10], y[::10], label='sampled', color='r')
# 创建第一个图例(位于图像上方)
plt.legend(loc="upper center", bbox_to_anchor=(0.5, 1.15), ncol=2)
# 创建第二个图例(位于图像下方)
plt.legend(loc="lower center", bbox_to_anchor=(0.5, -0.25), ncol=2)
plt.show()
运行该代码后，将会创建一个更改进的图表和两个自动图例。第一个图例放置在图像的上方，第二个图例放置在图像的下方。图例各自包含不同的元素，以突出显示不同的特点。
在创建多个图例时，可选的关键字参数包括loc(位置)、bbox_to_anchor(网格中自定义坐标)、ncol(列数)等。
结论
Matplotlib是一个灵活和强大的库，可以轻松创建各种可视化效果，并且可以自动创建图例。使用label参数在plot()和scatter()函数中添加标签，然后调用plt.legend()函数即可创建自动图例。通过添加参数如loc(位置)、fontsize(文本大小)、title(标题)等，可以自定义图例的外观和位置。在绘制不同特征的图表时，可以创建多个图例，以突出显示不同的元素。
使用Matplotlib的自动图例创建功能，可以让您的可视化结果更加易于理解和共享。希望这篇文章能够帮助您更好地理解如何在Matplotlib中创建自动图例，并掌握一些自定义选项。