Matplotlib 中如何為所有子圖建立一個圖例

Jinku Hu 2023年1月30日 2020年3月28日
  1. 在 Matplotlib 中使用 figure.legend 方法為所有子圖製作單個圖例
  2. 當 Matplotlib 中的線柄和線不同時,使用 figure.legend 方法為所有子圖製作單個圖例
Matplotlib 中如何為所有子圖建立一個圖例

Matplotlib figure 類中的 legend 方法,用於將 legend 放置在圖形級別而不是 subplot 級別。如果所有子圖中線條的圖案和標籤都相同,則用起來會特別方便。

在 Matplotlib 中使用 figure.legend 方法為所有子圖製作單個圖例

import matplotlib.pyplot as plt

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

for ax in fig.axes:
    ax.plot([0, 10], [0, 10], label='linear')

lines, labels = fig.axes[-1].get_legend_handles_labels()
    
fig.legend(lines, labels, loc = 'upper center')

plt.show()

Matplotlib 圖例獲取圖例控制代碼標籤

lines, labels = fig.axes[-1].get_legend_handles_labels()

因為我們假定所有子圖具有相同的線條和標籤,因此,最後一個 Axes 的控制代碼和標籤可以用於整個圖形。

當 Matplotlib 中的線柄和線不同時,使用 figure.legend 方法為所有子圖製作單個圖例

如果子圖之間的線型和標籤不同,但是所有子圖都需要一個圖例,則需要從所有子圖中獲取所有的線柄和標籤。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 501)

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

axes[0, 0].plot(x,
                np.sin(x),
                color = 'k',
                label="sin(x)")
axes[0, 1].plot(x,
                np.cos(x),                
                color = 'b',
                label="cos(x)")
axes[1, 0].plot(x,
                np.sin(x) + np.cos(x),
                color = 'r',
                label="sin(x)+cos(x)")
axes[1, 1].plot(x,
                np.sin(x) - np.cos(x),
                color = 'm',
                label="sin(x)-cos(x)")

lines = []
labels = []

for ax in fig.axes:
    axLine, axLabel = ax.get_legend_handles_labels()
    lines.extend(axLine)
    labels.extend(axLabel)

    
fig.legend(lines, labels,           
           loc = 'upper right')

plt.show()

Matplotlib 圖 get_legend_handles_labels 中的 Legend_all 標籤

for ax in fig.axes:
    axLine, axLabel = ax.get_legend_handles_labels()
    lines.extend(axLine)
    labels.extend(axLabel)

萬一單個子圖中存在更多的行和標籤,所有的線條控制代碼和標籤都將通過列表 extend 方法新增到 lineslabels 列表中。

Author: Jinku Hu
Jinku Hu avatar Jinku Hu avatar

Founder of DelftStack.com. Jinku has worked in the robotics and automotive industries for over 8 years. He sharpened his coding skills when he needed to do the automatic testing, data collection from remote servers and report creation from the endurance test. He is from an electrical/electronics engineering background but has expanded his interest to embedded electronics, embedded programming and front-/back-end programming.

LinkedIn

相關文章 - Matplotlib Legend