自定义 Matplotlib 图例：提升数据可视化效果

简介

在本实验中，我们将探索如何在 Matplotlib 中创建和自定义图例。图例用于解释图表中元素的含义，包括线条、条形和标记。我们将演示如何为特定线条、复杂标签和更复杂的绘图创建图例。最后，我们将展示如何编写自定义类来美化图例。

虚拟机提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

为特定线条创建图例

在这一步中，我们将为特定线条创建一个图例。

## 导入必要的库
import matplotlib.pyplot as plt
import numpy as np

## 定义图表数据
t1 = np.arange(0.0, 2.0, 0.1)
t2 = np.arange(0.0, 2.0, 0.01)

## 创建一个包含多条线的绘图
fig, ax = plt.subplots()
l1, = ax.plot(t2, np.exp(-t2))
l2, l3 = ax.plot(t2, np.sin(2 * np.pi * t2), '--o', t1, np.log(1 + t1), '.')
l4, = ax.plot(t2, np.exp(-t2) * np.sin(2 * np.pi * t2),'s-.')

## 为其中两条线创建一个图例
ax.legend((l2, l4), ('oscillatory', 'damped'), loc='upper right', shadow=True)

## 为图表添加标签和标题
ax.set_xlabel('time')
ax.set_ylabel('volts')
ax.set_title('Damped oscillation')

## 显示图表
plt.show()

绘制更复杂的标签

在这一步中，我们将绘制更复杂的标签。

## 定义图表数据
x = np.linspace(0, 1)

## 创建一个包含多条线的图表
fig, (ax0, ax1) = plt.subplots(2, 1)
for n in range(1, 5):
    ax0.plot(x, x**n, label=f"{n=}")

## 创建一个具有多列和标题的图例
leg = ax0.legend(loc="upper left", bbox_to_anchor=[0, 1],
                 ncols=2, shadow=True, title="Legend", fancybox=True)
leg.get_title().set_color("red")

## 创建一个包含多条线和标记的图表
ax1.plot(x, x**2, label="multi\nline")
half_pi = np.linspace(0, np.pi / 2)
ax1.plot(np.sin(half_pi), np.cos(half_pi), label=r"$\frac{1}{2}\pi$")
ax1.plot(x, 2**(x**2), label="$2^{x^2}$")

## 创建一个带有阴影的图例
ax1.legend(shadow=True, fancybox=True)

## 显示图表
plt.show()

将图例附加到更复杂的绘图

在这一步中，我们将把图例附加到更复杂的绘图上。

## 定义图表数据
fig, axs = plt.subplots(3, 1, layout="constrained")
top_ax, middle_ax, bottom_ax = axs

## 创建一个有多根柱子的柱状图
top_ax.bar([0, 1, 2], [0.2, 0.3, 0.1], width=0.4, label="Bar 1",
           align="center")
top_ax.bar([0.5, 1.5, 2.5], [0.3, 0.2, 0.2], color="red", width=0.4,
           label="Bar 2", align="center")
top_ax.legend()

## 创建一个有多组误差线的误差线图
middle_ax.errorbar([0, 1, 2], [2, 3, 1], xerr=0.4, fmt="s", label="test 1")
middle_ax.errorbar([0, 1, 2], [3, 2, 4], yerr=0.3, fmt="o", label="test 2")
middle_ax.errorbar([0, 1, 2], [1, 1, 3], xerr=0.4, yerr=0.3, fmt="^",
                   label="test 3")
middle_ax.legend()

## 创建一个带有图例的茎叶图
bottom_ax.stem([0.3, 1.5, 2.7], [1, 3.6, 2.7], label="stem test")
bottom_ax.legend()

## 显示图表
plt.show()

使用多个图例键创建图例条目

在这一步中，我们将使用多个图例键来创建图例条目。

## 定义图表数据
fig, (ax1, ax2) = plt.subplots(2, 1, layout='constrained')
p1 = ax1.scatter([1], [5], c='r', marker='s', s=100)
p2 = ax1.scatter([3], [2], c='b', marker='o', s=100)
p3, = ax1.plot([1, 5], [4, 4],'m-d')

## 为一个条目创建一个包含两个键的图例
l = ax1.legend([(p1, p3), p2], ['两个键', '一个键'], scatterpoints=1,
               numpoints=1, handler_map={tuple: HandlerTuple(ndivide=None)})

## 相互堆叠创建两个柱状图，并更改图例键之间的填充
x_left = [1, 2, 3]
y_pos = [1, 3, 2]
y_neg = [2, 1, 4]
rneg = ax2.bar(x_left, y_neg, width=0.5, color='w', hatch='///', label='-1')
rpos = ax2.bar(x_left, y_pos, width=0.5, color='k', label='+1')

## 通过使用特定的 `HandlerTuple` 对每个图例条目进行不同的处理
l = ax2.legend([(rpos, rneg), (rneg, rpos)], ['填充!=0', '填充=0'],
               handler_map={(rpos, rneg): HandlerTuple(ndivide=None),
                            (rneg, rpos): HandlerTuple(ndivide=None, pad=0.)})

## 显示图表
plt.show()

编写自定义类以美化图例

在这一步中，我们将编写自定义类来美化图例。

## 定义图表数据
class HandlerDashedLines(HandlerLineCollection):
    """
    用于 LineCollection 实例的自定义处理器。
    """
    def create_artists(self, legend, orig_handle,
                       xdescent, ydescent, width, height, fontsize, trans):
        ## 计算有多少条线
        numlines = len(orig_handle.get_segments())
        xdata, xdata_marker = self.get_xdata(legend, xdescent, ydescent,
                                             width, height, fontsize)
        leglines = []
        ## 根据线的数量将线所在的垂直空间
        ## 分成相等的部分
        ydata = np.full_like(xdata, height / (numlines + 1))
        ## 对于每条线，在适当的位置创建线
        ## 并设置虚线样式
        for i in range(numlines):
            legline = Line2D(xdata, ydata * (numlines - i) - ydescent)
            self.update_prop(legline, orig_handle, legend)
            ## 将颜色、虚线样式和线宽设置为
            ## 与 LineCollection 中的线相同
            try:
                color = orig_handle.get_colors()[i]
            except IndexError:
                color = orig_handle.get_colors()[0]
            try:
                dashes = orig_handle.get_dashes()[i]
            except IndexError:
                dashes = orig_handle.get_dashes()[0]
            try:
                lw = orig_handle.get_linewidths()[i]
            except IndexError:
                lw = orig_handle.get_linewidths()[0]
            if dashes[1] is not None:
                legline.set_dashes(dashes[1])
            legline.set_color(color)
            legline.set_transform(trans)
            legline.set_linewidth(lw)
            leglines.append(legline)
        return leglines

## 创建一个包含多条线的图表
x = np.linspace(0, 5, 100)
fig, ax = plt.subplots()
colors = plt.rcParams['axes.prop_cycle'].by_key()['color'][:5]
styles = ['solid', 'dashed', 'dashed', 'dashed','solid']
for i, color, style in zip(range(5), colors, styles):
    ax.plot(x, np.sin(x) -.1 * i, c=color, ls=style)

## 创建代理艺术家和一个图例
line = [[(0, 0)]]
lc = mcol.LineCollection(5 * line, linestyles=styles, colors=colors)
ax.legend([lc], ['多线'], handler_map={type(lc): HandlerDashedLines()},
          handlelength=2.5, handleheight=3)

## 显示图表
plt.show()

总结

在这个实验中，我们学习了如何在 Matplotlib 中创建和自定义图例。我们展示了如何为特定的线条、复杂的标签以及更复杂的绘图创建图例。我们还展示了如何编写自定义类来美化图例。图例是任何图表的重要组成部分，了解如何创建和自定义它们对于创建有效的可视化至关重要。