Matplotlib自定义图例(多张图共享一个图例)

 更新时间:2023年08月16日 10:10:48   作者:MK422  
最近再用Matplotlib绘图,需要做两个子图都不需要设置图例,图例单独用一个figure来显示,本文就详细的来介绍一下,感兴趣的可以了解一下

1、应用场景

可视化不同方法在各种超参数(或者不同数据集)的性能时,若用多个子图形式可视化,则图太小啦;若每个子图弄成单独的figure,则每个张图都有一个图例显得非常冗余,如图1所示。

图1 每张图都有一个图例(非常冗余,并且有的数据被遮挡)

2、期望达到的效果,如图2所示

解决方案:两个子图都不需要设置图例,图例单独用一个figure来显示(自定义图例)

图2 期望的效果

3、自定义图例matplotlib代码实现

方法一:利用Patch以及Line2D自定义图例

  • 缺点:暂时只能定义直线的图的图例;散点图的图例不行;
  • 优点:运行该代码后,Figure 1就是我们想要的图例图。
import matplotlib.pyplot as plt
import matplotlib.lines as lines
import matplotlib.patches as mpatches
# 自定义图例标记
line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green')
line2 = lines.Line2D([0], [0], label='line2', marker='X', lw=2, c='blue')
patch1 = mpatches.Patch(color='purple', label='patch1')
patch2 = mpatches.Patch(color='red', label='patch2')
# 构造图例
# plt.figure() figsize: default: [6.4, 4.8]
handles = [line1, line2, patch1, patch2]
# 注意根据图例的行数调整figsize的高度(i.e., 0.32)
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=handles, mode='expand', ncol=4, borderaxespad=0)
"""
legend常见参数设置
borderpad:控制上下边距(default=0.4)
borderaxespad:控制legend与图边框的距离(default=0.5)
handlelength: handle与legend边框的距离(default=2)
handletextpad: handle与text之间的距离(default=0.8)
mode='expand', 水平展示图例
frameon=False: 不要图例边框
edgecolor: 图例边框颜色
fontsize: 图例字体大小
ncol=4    水平图例的个数
"""
ax.axis('off')  # 去掉坐标的刻度
plt.show()

方法一可视化效果,如图3所示

图3 方法一可视化效果

方法二:利用plt自定义图例

  • 缺点:会显示2个Figure,其中Figure 2才是我们想要的图例图;
  • 优点:和我们以前画图的方式一样(更加简单),并且能够构建散点图的图例;
import matplotlib.pyplot as plt
# plt.plot()返回值后面要加一个逗号,不然会报错;若使用Line2D就不需要逗号
# 注意:range(10)是随机取的值,这里只需要它的图例图。
l1, = plt.plot(range(10), label='line1', marker='o', lw=2, c='green')
l2, = plt.plot(range(10), label='line2', marker='X', lw=2, c='blue')
s1 = plt.scatter(range(10), range(10), label='scatter1', marker='+')
s2 = plt.scatter(range(10), range(10), label='scatter2', marker='+')
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=[l1, l2, s1, s2], labels=list('abcd'), mode='expand', ncol=4, borderaxespad=0)
# ax.legend(handles=[l1, s1], labels=list('ab'), mode='expand', ncol=4, borderaxespad=0)  # 若只需要显示部分曲线/散点图的图例时
ax.axis('off')  # 去掉坐标的刻度
plt.show()

方法二可视化效果,如图4所示

 图4 方法三的可视化效果,其中Figure 2就是我们需要的图

方法三:混合实验方法一和方法二

import matplotlib.pyplot as plt
import matplotlib.lines as lines
import matplotlib.patches as mpatches
# 自定义图例标记
line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green')
# 注意line2后面的逗号
line2,  = plt.plot([0], [0], label='line2', marker='X', lw=2, c='blue')
s = plt.scatter([0], [0], label='scatter', marker='+')
patch1 = mpatches.Patch(color='purple', label='patch1')
# patch2 = mpatches.Patch(color='red', label='patch2')
# 构造图例
# plt.figure() figsize: default: [6.4, 4.8]
handles = [line1, line2, patch1, s]
# 注意根据图例的行数调整figsize的宽(i.e., 0.32)
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=handles, mode='expand', ncol=4, borderaxespad=0)
"""
legend常见参数设置
axes:图框; handle:图例的每个元素; text:图例每个元素对应name
borderpad:控制上下边距(default=0.4)
borderaxespad:控制legend与图边框的距离(default=0.5)
handlelength: handle与legend边框的距离(default=2)
handletextpad: handle与text之间的距离(default=0.8)
mode='expand', 水平展示图例
frameon=False: 不要图例边框
edgecolor: 图例边框颜色
fontsize: 图例字体大小
ncol=4    水平图例的个数
"""
# plt.scatter
ax.axis('off')  # 去掉坐标的刻度
plt.show()

方法三的可视化效果如图5所示

图5 方法三可视化修改,其中Figure 2就是我们需要的图例图 

4、总结

# 导入对应的模块
from matplotlib import lines
import matplotlib.pyplot as plt
from matplotlib import patches
a. 定义线图例
# 方法1
line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green')
# 方法2,注意别丢逗号
line2,  = plt.plot([0], [0], label='line2', marker='X', lw=2, c='blue')
b. 定义矩形图例
path1 = mpatches.Patch(color='red', label='patch')
c. 定义散点图图例
s1 = plt.scatter([0], [0], label='scatter', marker='+')
d. 显示图例
handles = [line1, path1, line2, s1]
fig, ax = plt.subplots(figsize=(6.4, 0.32)) # 根据行数更改0.32
ax.legend(handles=handles, mode='expand', ncol=4, borderaxespad=0)
ax.axis(“off”) # 去掉坐标刻度

5、用visio将单张的图片合并在一起,并且手动构建图例,图例的样式更人性化。

到此这篇关于Matplotlib自定义图例(多张图共享一个图例)的文章就介绍到这了,更多相关Matplotlib自定义图例内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python如何使用contextvars模块源码分析

    python如何使用contextvars模块源码分析

    这篇文章主要介绍了python如何使用contextvars模块源码分析,contextvars是Python3.7后的官方库,功能就是可以为多线程以及asyncio生态添加上下文功能,即使程序在多个协程并发运行的情况下,也能调用到程序的上下文变量, 从而使我们的逻辑解耦
    2022-06-06
  • 在ipython notebook中使用argparse方式

    在ipython notebook中使用argparse方式

    这篇文章主要介绍了在ipython notebook中使用argparse方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • Python字典dict常用内置函数详解

    Python字典dict常用内置函数详解

    这篇文章主要介绍了Python字典dict常用内置函数详解,dict是Python中的一种内置数据类型,它是一种键值对的集合,类似于Java中的Map或其他语言中的字典,需要的朋友可以参考下
    2023-07-07
  • 用python画城市轮播地图

    用python画城市轮播地图

    轮播地图可以在很多方面有实际应用,所以就介绍给大家,并给出个实际操作案例,感兴趣的朋友可以参考下
    2021-05-05
  • 浅谈Python中的函数(def)及参数传递操作

    浅谈Python中的函数(def)及参数传递操作

    这篇文章主要介绍了浅谈Python中的函数(def)及参数传递操作,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2021-05-05
  • Python网络爬虫四大选择器用法原理总结

    Python网络爬虫四大选择器用法原理总结

    这篇文章主要介绍了Python网络爬虫四大选择器用法原理总结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-06-06
  • Python中的Xpath和lxml库的使用详解

    Python中的Xpath和lxml库的使用详解

    这篇文章主要介绍了Python中的Xpath和lxml库的使用详解,XPath即 XML路径语言,它是一门在 XML 文档中查找信息的语言,最初被用来搜寻 XML 文档,同时它也适用于搜索 HTML 文档,因此,在爬虫过程中可以使用 XPath 来提取相应的数据,需要的朋友可以参考下
    2023-12-12
  • python中关于时间和日期函数的常用计算总结(time和datatime)

    python中关于时间和日期函数的常用计算总结(time和datatime)

    python中关于时间和日期函数有time和datatime使用介绍,需要的朋友可以参考下
    2013-03-03
  • Python元类编程实现一个简单的ORM

    Python元类编程实现一个简单的ORM

    本文主要介绍了Python元类编程实现一个简单的ORM,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03
  • 关于阿里云oss获取sts凭证 app直传 python的实例

    关于阿里云oss获取sts凭证 app直传 python的实例

    今天小编就为大家分享一篇关于阿里云oss获取sts凭证 app直传 python的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08

最新评论