Python中图例主要通过matplotlib库实现，通过plt.legend()或ax.legend()添加，常用参数包括loc控制位置（如'upper right'）、fontsize调整字体大小、title设置图例标题、labels自定义标签文本，若需精细控制，可通过handles与labels参数分别指定图例项和对应标签，确保与绘图数据（如折线、散点）一一对应，注意图例会自动匹配绘图时指定的label参数，合理使用可提升图表可读性，避免信息冗余。
Python数据可视化：图例的自定义与规范设置
在数据可视化领域,图例（Legend）扮演着至关重要的角色，它如同连接图表元素与数据含义的"桥梁"，帮助读者快速理解不同线条、标记或颜色所代表的数据类别，Python中，主流可视化库如matplotlib和seaborn提供了丰富的图例定制功能，允许用户根据需求灵活调整图例的位置、样式、内容及显示逻辑，本文将系统介绍Python中图例的定制方法，从基础显示到高级定制，助您打造清晰、专业的可视化图表。
基础图例的创建与显示
自动生成图例
在matplotlib中，只需在绘图时为数据系列添加label参数，再调用plt.legend()即可自动生成图例，以下示例展示了如何绘制两条正弦和余弦曲线并标注不同类别：
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) plt.plot(x, y1, label='sin(x)') # 添加label参数 plt.plot(x, y2, label='cos(x)') plt.legend() # 显示图例'基础图例示例') plt.show()
执行上述代码后,图表会自动显示包含"sin(x)"和"cos(x)"的图例，默认情况下，图例位置被设置为"最佳"（loc='best'），系统会自动选择不遮挡数据的最优位置。
强制指定图例位置
若需固定图例位置,可通过loc参数进行精确控制。matplotlib提供了多种位置选项：
- 方位词：
'upper right'、'lower left'、'center'等 - 特殊位置：
'best'、'center'、'lower center'等 - 数值元组
(x, y)：基于坐标轴比例的绝对位置
示例代码：
plt.plot(x, y1, label='sin(x)') plt.plot(x, y2, label='cos(x)') plt.legend(loc='upper left') # 固定在左上角 plt.show()
对于更灵活的位置控制（如图表外部），可使用bbox_to_anchor参数，通过(x, y, width, height)定义图例包围盒的锚点和尺寸：
plt.plot(x, y1, label='sin(x)') plt.plot(x, y2, label='cos(x)') plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left') # 图例显示在图表右侧外部 plt.tight_layout() # 避免图例被裁剪 plt.show()
图样与样式的精细定制
图例元素的样式调整
图例的外观（如线条颜色、标记样式、字体等）可通过matplotlib的Legend对象属性进行精细控制：
line1, = plt.plot(x, y1, color='red', linestyle='--', linewidth=2, label='sin(x)')
line2, = plt.plot(x, y2, color='blue', marker='o', markersize=8, label='cos(x)')
legend = plt.legend()
# 修改第一条图例线的宽度
legend.get_lines()[0].set_linewidth(3)
# 修改第一个图例标签的字体大小
legend.get_texts()[0].set_fontsize(12)
# 设置图例背景色
legend.get_frame().set_facecolor('lightgray')
# 设置图例透明度
legend.get_frame().set_alpha(0.5)
plt.show()
格式化
参数为图例添加标题,并可通过title_fontsize控制字体大小：
plt.legend(title='函数类型', title_fontsize=14, fontsize=12)
动态标签格式化
若需动态调整标签内容（如添加单位、格式化数值），可在绘图时通过label参数结合字符串格式化实现：
y3 = x ** 2
plt.plot(x, y3, label=f'x² (最大值: {max(y3):.1f})') # 标签中包含动态数据
plt.legend()
plt.show()
高级文本格式化
利用matplotlib的文本格式化功能，可以创建更丰富的标签样式：
from matplotlib.font_manager import FontProperties
# 设置中文字体支持
font = FontProperties(fname="SimHei.ttf", size=12)
plt.plot(x, y1, label='正弦函数', color='red', linewidth=2)
plt.plot(x, y2, label='余弦函数', color='blue', linewidth=2)
legend = plt.legend(prop=font, framealpha=0.9, shadow=True,
facecolor='white', edgecolor='black')
# 为图例添加边框和阴影效果
legend.get_frame().set_linewidth(2)
plt.show()
复杂场景下的图例处理
多子图与共享图例
在包含多个子图的复杂图表中,可通过fig.legend()实现跨子图的共享图例，避免重复显示：
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
ax1.plot(x, y1, label='sin(x)')
ax1.set_title('子图1')
ax1.grid(True, alpha=0.3)
ax2.plot(x, y2, label='cos(x)')
ax2.set_title('子图2')
ax2.grid(True, alpha=0.3)
# 共享图例，两列显示
fig.legend(loc='upper center', bbox_to_anchor=(0.5, 0.05), ncol=2)
plt.tight_layout(rect=[0, 0, 1, 0.95]) # 为图例留出空间
plt.show()
部分隐藏图例元素
在某些情况下,可能需要隐藏特定数据系列的图例，可通过以下方法实现：
line1, = plt.plot(x, y1, label='sin(x)') line2, = plt.plot(x, y2, label='cos(x)') # 仅显示sin(x)的图例 plt.legend(handles=[line1], labels=['正弦函数']) plt.show()
分栏图例与多列显示
当图例项较多时,可通过ncol参数将图例分为多列，避免纵向占用过多空间：
for i in range(5):
plt.plot(x, np.sin(x + i*0.5), label=f'函数{i+1}')
plt.legend(ncol=2, title='多函数对比', bbox_to_anchor=(1.05, 1))
plt.tight_layout()
plt.show()
自定义图例顺序
有时需要调整图例中项目的显示顺序：
line1, = plt.plot(x, y1, label='正弦函数')
line2, = plt.plot(x, y2, label='余弦函数')
line3, = plt.plot(x, np.sin(x+1), label='相移正弦')
# 自定义图例顺序
plt.legend(handles=[line3, line1, line2],
labels=['相移正弦', '正弦函数', '余弦函数'])
plt.show()
Seaborn中的图例规范
Seaborn基于matplotlib提供了更高级的图例接口,尤其在处理分类数据、分面图等场景时更具优势。
自动匹配图例
Seaborn的绘图函数（如lineplot、scatterplot）会根据数据变量的hue、style、size等语义自动生成图例：
import seaborn as sns
import pandas as pd
# 创建示例数据
data = pd.DataFrame({
'x': np.concatenate([x, x]),
'y': np.concatenate([y1, y2]),
'category': ['
