我的编程空间,编程开发者的网络收藏夹
学习永远不晚

python数据绘图-legend图例位置调整优化

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

python数据绘图-legend图例位置调整优化

上一篇中我们使用twinx()函数绘制了双轴图像,但是如果两个图像都添加图例,就会出现图例重叠的问题,需要我们手动设置图例位置来调整。

可以通过以下参数进行调整

  • loc:九分位
  • borderaxespad:向图像中心|外部移动
  • bbox_to_anchor:上下左右移动

粗调位置:loc+borderaxespad

粗调图例位置把整个图像等分为9块

如果两个图例重叠,把一个图例放在1号位,另一个放在2号位是可以解决重复的问题,但是观感很丑,此时就需要通过坐标对图例的位置进行精调

通过坐标调位置有两个参数

1、borderaxespad(border:边界,axes是axis坐标轴的复数形式)

borderaxespad参数结合loc参数一起使用,loc表示图例在哪个位置,borderaxespad就以哪个位置作为图例的锚点,例如:

loc=1(表示图例位于图像的右上角),borderaxespad就表示图例右上角和图像右上角的距离

loc=2(表示图例位于图像的左上角),borderaxespad就表示图例左上角和图像左上角的距离

...以此类推,borderaxespad正数表示向图像内部移动,负数表示向图像外部移动

以下为一些示例

 2、bbox_to_anchor(anchor:锚)

borderaxespad和loc组合的情况适用于只有一个图例时调整位置,因为不能上下移动,所以很难做到两个以上的图例对齐排列,这时可以使用bbox_to_anchor参数

先按照比较夸张的数据看一下示例:

bbox_to_anchor=(图例距离图像左边的距离,图例距离图de'd像底边的距离)

bbox_to_anchor=(1.5,2)

示例

以上一篇帕累托组合图表为例,实操一下调整图例位置的方法

使用loc简单调整

#pip install matplotlibimport matplotlib.pyplot as plt#设置中文字体plt.rcParams["font.sans-serif"]="Arial Unicode MS"#创建画布plt.figure()#创建柱状图plt.bar(group2.index,group2['客户数'],label='转化客户数')plt.legend(loc=3)plt.xlabel("转化周期")#X轴plt.ylabel("转化客户数")#Y轴plt.title('转化窗口期')#标题#在原图基础上叠加图像,需要先创建一个新纵坐标轴plt.twinx()#折线图plt.plot(group2.index,group2["累计客户数占比"],color="orange",marker="o",label="转化客户占比")plt.grid(linestyle='-.',color='SkyBlue')#python颜色英文https://zhuanlan.zhihu.com/p/548152652https://zhuanlan.zhihu.com/p/548152652plt.legend(loc=4)#显示图例plt.ylabel("累计转化客户占比")#显示图像plt.show()

产出结果

  

使用bbox_to_anchor精细调整

#pip install matplotlibimport matplotlib.pyplot as plt#设置中文字体plt.rcParams["font.sans-serif"]="Arial Unicode MS"#创建画布plt.figure()#创建柱状图plt.bar(group2.index,group2['客户数'],label='转化客户数')plt.legend(bbox_to_anchor=(1.1,1.15))plt.xlabel("转化周期")#X轴plt.ylabel("转化客户数")#Y轴plt.title('转化窗口期')#标题#在原图基础上叠加图像,需要先创建一个新纵坐标轴plt.twinx()#折线图plt.plot(group2.index,group2["累计客户数占比"],color="orange",marker="o",label="转化客户占比")plt.grid(linestyle='-.',color='SkyBlue')#python颜色英文https://zhuanlan.zhihu.com/p/548152652https://zhuanlan.zhihu.com/p/548152652plt.legend(bbox_to_anchor=(1.13,1.25))#显示图例plt.ylabel("累计转化客户占比")#显示图像plt.show()

产出结果

来源地址:https://blog.csdn.net/weixin_47198715/article/details/130608638

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

python数据绘图-legend图例位置调整优化

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

python中怎么使用matplotlib调整图例位置

这篇文章主要讲解了“python中怎么使用matplotlib调整图例位置”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“python中怎么使用matplotlib调整图例位置”吧!前言mat
2023-07-02

python数据分析绘图可视化实例分析

本篇内容介绍了“python数据分析绘图可视化实例分析”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!前言:数据分析初始阶段,通常都要进行可视
2023-07-02

Python数据分析之绘图和可视化的示例分析

小编给大家分享一下Python数据分析之绘图和可视化的示例分析,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!一、前言matplotlib是一个用于创建出版质量图表
2023-06-15

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录