Seaborn 绘图中的图例
图例通常是一个小盒子，它出现在图形的某个角上，用于说明绘图的不同元素。并且，如果图中有多个数据，那么它将告诉哪个组件代表哪个数据。
在本教程中，我们将学习如何为简单的 Seaborn 图添加或自定义图例。
默认情况下，seaborn 自动将图例添加到图形中。
例如，
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
"Day 2" : [1,2,8,4,3,9,5,2]})
sns.lineplot(data = df)
请注意，图例位于右上角。
如果要显式添加图例，则可以使用 matplotlib 库中的 legend() 函数。这样，我们可以显式添加我们自己的标签。
例如，
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
"Day 2" : [1,2,8,4,3,9,5,2]})
sns.lineplot(data = df)
plt.legend(labels=["Legend_Day1","Legend_Day2"])
请注意，seaborn 库基于并使用 matplotlib 模块创建其图。因此，我们也可以对 Seaborn 图使用 legend() 函数。
我们还可以对图例进行小的定制。例如，我们可以使用 legend() 函数中的 title 参数为图例添加标题，如下所示。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
"Day 2" : [1,2,8,4,3,9,5,2]})
sns.lineplot(data = df)
plt.legend(labels=["Legend_Day1","Legend_Day2"], title = "Title_Legend")
fontsize 和 title_fontsize 是分别用于更改图例及其标题中内容字体的两个参数。
请参见下面的代码。
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
"Day 2" : [1,2,8,4,3,9,5,2]})
sns.lineplot(data = df)
plt.legend(labels=["Legend_Day1","Legend_Day2"], title = "Title_Legend",
fontsize = 'large', title_fontsize = "10")
请注意，每个版本的 matplotlib 中都不存在 title_fontsize，因此请在使用前检查你的版本。
我们可以使用 loc 和 bbox_to_anchor 参数指定图例框的大小和位置。
loc 用于指定图例的位置。不同的数字指定不同的位置。默认情况下，其值为 0，这意味着它将搜索最佳位置以将图例放置在发生最小重叠的位置。
bbox_to_anchor 相对于 loc 参数中指定的位置指定图例的位置。如果我们用 2 个元素元组设置 bbox_to_anchor 参数，则它将其值视为沿指定 loc 定位的 x 和 y 值。
例如，
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
df = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
"Day 2" : [1,2,8,4,3,9,5,2]})
sns.lineplot(data = df)
plt.legend(labels=["Legend_Day1","Legend_Day2"], loc = 2, bbox_to_anchor = (1,1))
请注意，loc 参数的值为 2，表示左上角的位置。
Manav is a IT Professional who has a lot of experience as a core developer in many live projects. He is an avid learner who enjoys learning new things and sharing his findings whenever possible.
LinkedIn