数据科学 IPython 笔记本 8.9 自定义图例

作者: 布客飞龙 | 来源:发表于2019-01-19 11:23 被阅读4次

    8.9 自定义图例

    原文:Customizing Plot Legends

    译者:飞龙

    协议:CC BY-NC-SA 4.0

    本节是《Python 数据科学手册》(Python Data Science Handbook)的摘录。

    绘图的图例将意义赋予可视化,为各种绘图元素标识意义。我们以前看过如何创建简单的图例;在这里,我们将介绍如何在 Matplotlib 中自定义图例的位置和样式。

    可以使用plt.legend()命令创建最简单的图例,该命令会自动为任何已标记的绘图元素创建图例:

    import matplotlib.pyplot as plt
    plt.style.use('classic')
    
    %matplotlib inline
    import numpy as np
    
    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();
    
    png

    但是我们可能有很多方法想要定制这样一个图例。例如,我们可以指定位置并关闭边框:

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

    我们可以使用ncol命令来指定图例中的列数:

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

    我们可以使用圆角框(fancybox)或添加阴影,更改边框的透明度(alpha值),或更改文本周围的边距:

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

    可用图例选项的更多信息,请参阅plt.legend文档字符串。

    为图例选择元素

    我们已经看到,图例默认包含所有已标记的元素。如果这不是我们想要的,我们可以通过使用plot命令返回的对象,来微调图例中出现的元素和标签。plt.plot()命令可以一次创建多个线条,并返回已创建的线条实例的列表。将这些中的任何一个,以及我们想要标识的标签传递给plt.legend()将告诉它识别哪些:

    y = np.sin(x[:, np.newaxis] + np.pi * np.arange(0, 2, 0.5))
    lines = plt.plot(x, y)
    
    # 直线是 plt.Line2D 实例的列表
    plt.legend(lines[:2], ['first', 'second']);
    
    png

    我通常在实践中发现使用第一种方法更清晰,将标签应用于你想要在图例上显示的绘图元素:

    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);
    
    png

    请注意,默认情况下,图例会忽略没有设置label属性的所有元素。

    用于点的大小的图例

    有时,图例默认值不足以满足给定的可视化效果。例如,你可能正在使用点的大小来标记数据的某些特征,并且想要创建反映这一点的图例。这是一个例子,我们将使用点的大小来表示加州城市的人口。我们想要一个标识点大小比例的图例,我们将通过绘制一些没有条目的标记数据来实现它:

    import pandas as pd
    cities = pd.read_csv('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']
    
    # 将点绘制为散点图,使用尺寸和颜色,但没有标签
    plt.scatter(lon, lat, label=None,
                c=np.log10(population), cmap='viridis',
                s=area, linewidth=0, alpha=0.5)
    plt.axis(aspect='equal')
    plt.xlabel('longitude')
    plt.ylabel('latitude')
    plt.colorbar(label='log$_{10}$(population)')
    plt.clim(3, 7)
    
    # 这里我们创建图例
    # 我们使用所需大小和标签绘制空列表
    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');
    
    png

    图例始终引用绘图上的某个对象,因此如果我们想要显示特定的形状,我们需要绘制它。在这种情况下,我们想要的对象(灰色圆圈)不在图上,所以我们通过绘制空列表来伪造它们。另请注意,图例仅列出了指定标签的绘图元素。

    通过绘制空列表,我们创建了带标签的绘图对象,由图例拾取,现在我们的图例告诉我们一些有用的信息。此策略可用于创建更复杂的可视化。

    最后,请注意,对于这样的地理数据,如果我们可以显示州边界或其他特定于地图的元素,则会更清楚。为此,一个很好的工具选择是 Matplotlib 的 Basemap 附加工具包,我们将在“地理数据和 Basemap”中探讨。

    多个图例

    有时在设计绘图时,你需要在同一轴域上添加多个图例。不幸的是,这对 Matplotlib 并不容易:通过标准的legend接口,只能为整个绘图创建一个图例。如果你尝试使用plt.legend()ax.legend()创建第二个图例,它将简单地覆盖第一个。我们可以通过从头开始创建一个新的图例艺术家来解决这个问题,然后使用较低级别的ax.add_artist()方法,手动将第二个艺术家添加到绘图中:

    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')
    
    # 指定第一个图例的直线和标签
    ax.legend(lines[:2], ['line A', 'line B'],
              loc='upper right', frameon=False)
    
    # 创建第二个图例,并手动添加艺术家
    from matplotlib.legend import Legend
    leg = Legend(ax, lines[2:], ['line C', 'line D'],
                 loc='lower right', frameon=False)
    ax.add_artist(leg);
    
    png

    这是对构成任何 Matplotlib 绘图的,低级艺术家对象的窥视。
    如果你检查一下ax.legend()的源代码(回想一下你可以在 IPython 笔记本中使用ax.legend??来实现),你会看到该函数只包含一些逻辑,创建合适的Legend艺术家,然后将其保存在legend_属性中,并在绘图时添加到图形中。

    相关文章

      网友评论

        本文标题:数据科学 IPython 笔记本 8.9 自定义图例

        本文链接:https://www.haomeiwen.com/subject/keiadqtx.html