Matplotlib多图例创建与优化技巧

小伙伴们有没有觉得学习文章很有意思？有意思就对了！今天就给大家带来《Matplotlib多类型图例创建与优化技巧》，以下内容将会涉及到，若是在学习中对其中部分知识点有疑问，或许看了本文就能帮到你！

本教程旨在解决Matplotlib地图可视化中，如何在一个图例中同时展示颜色块（如区域分类）和自定义标记（如特定兴趣点）的问题。文章详细介绍了当传统`Patch`对象无法正确显示标记时，如何利用`matplotlib.lines.Line2D`创建标记图例句柄，并将其与颜色块图例句柄合并，从而生成一个结构清晰、信息完整的复合图例，避免了不必要的黑色方块，提升了地图的可读性和专业性。

引言

在数据可视化，特别是地理信息系统（GIS）相关的地图绘制中，我们经常需要在同一张地图上展示不同类型的信息。例如，一张城市犯罪热力图可能需要用颜色深浅表示不同区域的犯罪率，同时又需要用特定的符号标记出重要的资产位置。此时，一个清晰、准确的图例对于理解地图内容至关重要。Matplotlib作为Python中强大的绘图库，提供了灵活的图例定制功能，但当图例需要同时包含颜色块和自定义标记时，可能会遇到一些挑战。

问题分析：Patch对象与标记图例的局限性

在Matplotlib中，matplotlib.patches.Patch对象常用于在图例中表示颜色区域，例如不同犯罪率等级的区域。然而，当尝试使用Patch来表示一个自定义标记（如“x”符号）时，通常会发现图例中显示的是一个简单的黑色方块，而不是预期的标记符号。这是因为Patch主要设计用于绘制二维形状（如矩形、圆形），其图例表示是基于其填充颜色和边框样式，而非特定的符号。

原始代码示例中，尝试通过Patch(color='black', label="assets")为资产创建图例，这导致了上述黑色方块的问题。为了在图例中正确显示标记符号，我们需要使用一个更适合表示点或线的对象。

解决方案：利用 matplotlib.lines.Line2D 创建标记图例

matplotlib.lines.Line2D对象是Matplotlib中用于绘制线和点的基本元素。它不仅可以表示线条的样式和颜色，还可以指定点的标记符号（marker）。因此，Line2D是创建带有自定义标记的图例项的理想选择。

创建 Line2D 图例句柄

要为标记创建一个Line2D图例句柄，需要指定以下关键参数：

• marker: 指定要显示的标记符号，例如'x'、'o'、'^'等。
• linestyle='None': 由于我们只想显示标记而不是连接标记的线条，因此将线型设置为'None'。
• color: 指定标记的颜色。
• label: 图例中显示的文本标签。
• markersize: 可选，用于调整标记的大小，以确保在图例中清晰可见。

以下是如何为资产标记（'x'）创建一个Line2D图例句柄的示例：

from matplotlib.lines import Line2D

# 创建用于资产标记的Line2D句柄
asset_legend_handle = Line2D([], [], marker='x', linestyle='None', color='black', markersize=10, label="assets")

在这个例子中，[]和[]作为Line2D的前两个参数，表示没有实际的x和y数据点，因为我们只是将其用作图例的占位符。

整合多种图例类型

一旦我们为不同类型的图例项（颜色块和标记）创建了各自的句柄，就可以将它们合并到一个plt.legend()调用中。plt.legend()函数接受一个handles列表，其中包含所有需要显示在图例中的句柄对象。

完整示例代码

以下是一个模拟地图场景的完整代码示例，展示了如何结合使用Patch和Line2D来创建包含颜色块和自定义标记的复合图例。

import matplotlib.pyplot as plt
from matplotlib.patches import Patch
from matplotlib.lines import Line2D
import pandas as pd
import geopandas as gpd # 假设实际应用中会用到

# --- 模拟数据准备 ---
# 模拟犯罪率区域数据 (例如GeoDataFrame的一部分)
# 实际应用中 'sao' 会是一个GeoDataFrame
data_sao = {'district': ['A', 'B', 'C', 'D'],
            'crime_rate': [15, 35, 55, 75]}
sao_df = pd.DataFrame(data_sao)

# 定义犯罪率等级的颜色映射
color_list = {
    '低犯罪率': 'lightgreen',
    '中等犯罪率': 'orange',
    '高犯罪率': 'red',
    '极高犯罪率': 'darkred'
}

# 根据犯罪率分配颜色 (用于模拟数据)
sao_df['Colors'] = sao_df['crime_rate'].apply(lambda x:
    'lightgreen' if x < 25 else
    ('orange' if x < 50 else
     ('red' if x < 70 else 'darkred'))
)

# 模拟资产位置数据 (例如GeoDataFrame的一部分)
# 实际应用中 'asset' 会是一个GeoDataFrame
asset_data = {'lat': [-23.55, -23.60], 'lon': [-46.63, -46.70]}
asset_df = pd.DataFrame(asset_data)

# --- 绘图部分 ---
fig, ax = plt.subplots(figsize=(10, 8))

# 绘制模拟的区域 (这里仅用散点图表示，实际地图会绘制多边形)
# 假设 sao_df 包含几何信息，并且 sao_df.plot() 会使用 'Colors' 列
# 这里我们直接用散点图模拟一些点来展示颜色
for i, row in sao_df.iterrows():
    ax.scatter(i * 0.1, i * 0.1, color=row['Colors'], s=100, label=f"District {row['district']}")

# 绘制资产点
ax.scatter(asset_df['lon'], asset_df['lat'], color='black', marker='x', s=200, label='资产', zorder=5)

# 设置图标题
ax.set_title('风险区域 - 圣保罗，巴西 (概念图)', fontweight='bold')
# 移除坐标轴，使其更像地图
ax.axis('off')

# --- 创建图例句柄 ---

# 1. 为犯罪率等级创建 Patch 句柄
patches = []
for category, color in color_list.items():
    patch = Patch(color=color, label=category)
    patches.append(patch)

# 2. 为资产标记创建 Line2D 句柄
asset_legend_handle = Line2D([], [], marker='x', linestyle='None', color='black', markersize=10, label="资产")

# --- 组合所有句柄并创建图例 ---
all_legend_handles = patches + [asset_legend_handle]

plt.legend(handles=all_legend_handles, loc='lower right', title='犯罪率等级与资产', frameon=True, fancybox=True, shadow=True)

plt.show()

运行上述代码，您将看到一个包含两类图例项的复合图例：左侧是表示犯罪率等级的颜色块，右侧是表示资产位置的“x”标记。

注意事项与进阶

1. 标记大小调整: Line2D的markersize参数非常重要，它决定了图例中标记的大小。根据图例的整体布局和可读性，您可能需要进行微调。
2. linestyle='None': 确保为Line2D句柄设置linestyle='None'，除非您确实希望在图例中显示一条连接标记的线。
3. 多重图例框: 尽管原始问题中提到了是否可以创建两个图例框，但通常情况下，将所有相关信息整合到一个清晰的复合图例中是更好的做法，可以减少视觉混乱。如果确实需要分离图例，可以通过多次调用plt.legend()并指定不同的handles列表和loc（位置）参数来实现。例如：

   # 第一个图例 (犯罪率)
   plt.legend(handles=patches, loc='lower left', title='犯罪率等级')
   # 第二个图例 (资产)
   plt.legend(handles=[asset_legend_handle], loc='lower right', title='资产类型')

   请注意，多次调用plt.legend()时，后续的调用可能会覆盖或调整之前的图例，需要仔细测试和调整位置。通常，在一个图例中整合是更推荐的方式。

4. 图例外观定制: plt.legend()函数还支持许多其他参数，如loc（位置）、title（图例标题）、fontsize（字体大小）、ncol（列数）、frameon（是否显示边框）、fancybox（圆角边框）、shadow（阴影）等，可以进一步美化图例。

总结

在Matplotlib中创建包含多种类型（如颜色块和自定义标记）的图例时，关键在于为每种类型选择合适的图例句柄。matplotlib.patches.Patch适用于表示颜色区域，而matplotlib.lines.Line2D则是表示带有特定标记的点或线条的理想选择。通过将这些不同类型的句柄组合到plt.legend()的handles列表中，我们可以构建出既专业又易于理解的复合图例，从而显著提升地图或其他复杂可视化的信息传达能力。

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《Matplotlib多图例创建与优化技巧》文章吧，也可关注golang学习网公众号了解相关技术文章。