Python 带图例的Matplotlib散点图

我想创建一个Matplotlib散点图，用图例显示每个类的颜色。例如，我有一个

x

和

y

值的列表，以及一个

类

值的列表。

x

、

y

和

classes

列表中的每个元素对应于绘图中的一个点。我希望每个类都有自己的颜色，我已经编码过了，但是我希望这些类显示在一个图例中。我应该向

legend（）

函数传递哪些参数来实现这一点

以下是我目前的代码：

import matplotlib.pyplot as plt
x = [1, 3, 4, 6, 7, 9]
y = [0, 0, 5, 8, 8, 8]
classes = ['A', 'A', 'B', 'C', 'C', 'C']
colours = ['r', 'r', 'b', 'g', 'g', 'g']
plt.scatter(x, y, c=colours)
plt.show()

---

首先，我有一种感觉，在宣布颜色时，你打算使用撇号，而不是反撇号

对于图例，您需要一些形状以及类。例如，下面为

class\u colors

中的每种颜色创建一个称为

recs

的矩形列表

import matplotlib.patches as mpatches

classes = ['A','B','C']
class_colours = ['r','b','g']
recs = []
for i in range(0,len(class_colours)):
    recs.append(mpatches.Rectangle((0,0),1,1,fc=class_colours[i]))
plt.legend(recs,classes,loc=4)

还有第二种创建图例的方法，在这种方法中，可以使用单独的散点命令为一组点指定“标签”。下面给出了一个例子

classes = ['A','A','B','C','C','C']
colours = ['r','r','b','g','g','g']
for (i,cla) in enumerate(set(classes)):
    xc = [p for (j,p) in enumerate(x) if classes[j]==cla]
    yc = [p for (j,p) in enumerate(y) if classes[j]==cla]
    cols = [c for (j,c) in enumerate(colours) if classes[j]==cla]
    plt.scatter(xc,yc,c=cols,label=cla)
plt.legend(loc=4)

---

第一种方法是我个人使用的方法，第二种方法是我在查看matplotlib文档时发现的。因为图例覆盖了数据点，所以我移动了它们，并且可以找到图例的位置。如果有其他方法制作图例，我在文档中快速搜索了几次后就找不到了。

有两种方法。其中一个可以为你所策划的每件事提供图例条目，另一个可以让你在图例中放入你想要的任何东西，从答案中大量窃取

第一种方法是：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,100)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

#Plot something
ax.plot(x,x, color='red', ls="-", label="$P_1(x)$")
ax.plot(x,0.5 * (3*x**2-1), color='green', ls="--", label="$P_2(x)$")
ax.plot(x,0.5 * (5*x**3-3*x), color='blue', ls=":", label="$P_3(x)$")

ax.legend()
plt.show()

ax.legend（）

函数有多种用途，第一种只是根据

axes

对象中的行创建图例，第二种是手动控制条目，如下所述

您基本上需要为图例提供线句柄和相关标签

另一种方法是创建

Artist

对象和标签，并将它们传递给

ax.legend（）

函数，从而允许您在图例中放入所需内容。您可以使用它仅在图例中放置一些行，也可以使用它在图例中放置任何您想要的内容

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,100)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

#Plot something
p1, = ax.plot(x,x, color='red', ls="-", label="$P_1(x)$")
p2, = ax.plot(x,0.5 * (3*x**2-1), color='green', ls="--", label="$P_2(x)$")
p3, = ax.plot(x,0.5 * (5*x**3-3*x), color='blue', ls=":", label="$P_3(x)$")

#Create legend from custom artist/label lists
ax.legend([p1,p2], ["$P_1(x)$", "$P_2(x)$"])

plt.show()

import matplotlib.pyplot as pltit|delete|flag
import numpy as np
import matplotlib.patches as mpatches

x = np.linspace(-1,1,100)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

#Plot something
p1, = ax.plot(x,x, color='red', ls="-", label="$P_1(x)$")
p2, = ax.plot(x,0.5 * (3*x**2-1), color='green', ls="--", label="$P_2(x)$")
p3, = ax.plot(x,0.5 * (5*x**3-3*x), color='blue', ls=":", label="$P_3(x)$")

fakeLine1 = plt.Line2D([0,0],[0,1], color='Orange', marker='o', linestyle='-')
fakeLine2 = plt.Line2D([0,0],[0,1], color='Purple', marker='^', linestyle='')
fakeLine3 = plt.Line2D([0,0],[0,1], color='LightBlue', marker='*', linestyle=':')

#Create legend from custom artist/label lists
ax.legend([fakeLine1,fakeLine2,fakeLine3], ["label 1", "label 2", "label 3"])

plt.show()

或者在这里，我们创建新的

Line2D

对象，并将它们赋予图例

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,100)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

#Plot something
p1, = ax.plot(x,x, color='red', ls="-", label="$P_1(x)$")
p2, = ax.plot(x,0.5 * (3*x**2-1), color='green', ls="--", label="$P_2(x)$")
p3, = ax.plot(x,0.5 * (5*x**3-3*x), color='blue', ls=":", label="$P_3(x)$")

#Create legend from custom artist/label lists
ax.legend([p1,p2], ["$P_1(x)$", "$P_2(x)$"])

plt.show()

import matplotlib.pyplot as pltit|delete|flag
import numpy as np
import matplotlib.patches as mpatches

x = np.linspace(-1,1,100)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

#Plot something
p1, = ax.plot(x,x, color='red', ls="-", label="$P_1(x)$")
p2, = ax.plot(x,0.5 * (3*x**2-1), color='green', ls="--", label="$P_2(x)$")
p3, = ax.plot(x,0.5 * (5*x**3-3*x), color='blue', ls=":", label="$P_3(x)$")

fakeLine1 = plt.Line2D([0,0],[0,1], color='Orange', marker='o', linestyle='-')
fakeLine2 = plt.Line2D([0,0],[0,1], color='Purple', marker='^', linestyle='')
fakeLine3 = plt.Line2D([0,0],[0,1], color='LightBlue', marker='*', linestyle=':')

#Create legend from custom artist/label lists
ax.legend([fakeLine1,fakeLine2,fakeLine3], ["label 1", "label 2", "label 3"])

plt.show()

---

我还尝试使用

补丁

使该方法起作用，就像在matplotlib图例指南页面上一样，但似乎不起作用，所以我放弃了。

在我的项目中，我还想创建一个空的散点图例。以下是我的解决方案：

from mpl_toolkits.basemap import Basemap
#use the scatter function from matplotlib.basemap
#you can use pyplot or other else.
select = plt.scatter([], [],s=200,marker='o',linewidths='3',edgecolor='#0000ff',facecolors='none',label=u'监测站点') 
plt.legend(handles=[select],scatterpoints=1)

---

注意上面的“标签”、“散射点”。

这在seaborn的散射图中很容易处理。下面是它的一个实现

import matplotlib.pyplot as plt
import seaborn as sns

x = [1, 3, 4, 6, 7, 9]
y = [0, 0, 5, 8, 8, 8]
classes = ['A', 'A', 'B', 'C', 'C', 'C']
colours = ['r', 'r', 'b', 'g', 'g', 'g']

sns.scatterplot(x=x, y=y, hue=classes)
plt.show()

---

如果您使用的是matplotlib 3.1.1版或更高版本，您可以尝试：

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

x = [1, 3, 4, 6, 7, 9]
y = [0, 0, 5, 8, 8, 8]
classes = ['A', 'A', 'B', 'C', 'C', 'C']
values = [0, 0, 1, 2, 2, 2]
colours = ListedColormap(['r','b','g'])
scatter = plt.scatter(x, y,c=values, cmap=colours)
plt.legend(*scatter.legend_elements())

此外，要用类名替换标签， 我们只需要scatter.legend_元素的句柄：

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

x = [1, 3, 4, 6, 7, 9]
y = [0, 0, 5, 8, 8, 8]
classes = ['A', 'B', 'C']
values = [0, 0, 1, 2, 2, 2]
colours = ListedColormap(['r','b','g'])
scatter = plt.scatter(x, y,c=values, cmap=colours)
plt.legend(handles=scatter.legend_elements()[0], labels=classes)

---

您还可以使用带有内置彩色地图（来自matplotlib）的seaborn

---

您可以从中找到其他颜色映射。

因此，在您的示例中，

recs

和

标签是否具有相同的长度？难道没有一种方法可以使用我的示例中绘制的默认标记添加图例吗？奇怪的是，在散点图中创建图例的唯一方法是为所有点创建一个形状列表，而不是将所有点自动指定为相同的形状。第一个示例中的
标签不正确，我的意思是使用
类。我还发现了第二种方法，可以在我添加到答案的文档中创建一个图例，以及屏幕截图。我编写第二个代码块时假设来自不同类的数据是混合的。如果您知道您的数据是按类别和颜色分组的，您可以使用类
a
的
xc=x[0:2]
来显著简化第二个代码块。或者，如果您的数据最初是按类划分的，则不要将其合并到单个列表中，也不要跳过创建列表的需要。