6.4 添加图例、标题和标签

文档摘要

6.4 添加图例、标题和标签第六章：Seaborn图形定制与美化：6.4 添加图例、标题和标签在数据可视化中，图例（Legend）、标题（Title）和标签（Label）是至关重要的组成部分。它们如同清晰的路标，引导读者理解图表所呈现的信息，提升图表的解读性和沟通效率。Seaborn，作为Python中基于Matplotlib的高级数据可视化库，提供了便捷的方法来添加和定制这些元素，使得我们能够创建更具信息量和美观性的图表。 1. 图例 (Legend) 图例是用来解释图中不同颜色、形状或线条所代表的数据类别的关键元素。当我们在图表中绘制多个数据系列时，图例能够帮助读者快速区分和理解每个系列所代表的含义。 1.

6.4 添加图例、标题和标签

第六章：Seaborn图形定制与美化：6.4 添加图例、标题和标签

在数据可视化中，图例（Legend）、标题（Title）和标签（Label）是至关重要的组成部分。它们如同清晰的路标，引导读者理解图表所呈现的信息，提升图表的解读性和沟通效率。Seaborn，作为Python中基于Matplotlib的高级数据可视化库，提供了便捷的方法来添加和定制这些元素，使得我们能够创建更具信息量和美观性的图表。

1. 图例 (Legend)

图例是用来解释图中不同颜色、形状或线条所代表的数据类别的关键元素。当我们在图表中绘制多个数据系列时，图例能够帮助读者快速区分和理解每个系列所代表的含义。

1.1 Seaborn 自动图例

Seaborn 在绘制某些类型的图表时，例如 scatterplot, lineplot, barplot 等，如果使用了 hue, style, size 等参数来区分数据类别，通常会自动生成图例。

代码实践 1.1: 自动生成图例


import seaborn as sns
import matplotlib.pyplot as plt
# 加载示例数据集
iris = sns.load_dataset('iris')
# 使用 hue 参数绘制散点图，Seaborn 自动生成图例
sns.scatterplot(data=iris, x='sepal_length', y='sepal_width', hue='species')
plt.title('Iris Sepal Length vs Sepal Width with Species Legend') # 添加标题
plt.xlabel('Sepal Length (cm)') # 添加 x 轴标签
plt.ylabel('Sepal Width (cm)') # 添加 y 轴标签
plt.show()

内容详解 1.1:

这段代码使用 sns.scatterplot 绘制了鸢尾花数据集的散点图。hue='species' 参数告诉 Seaborn 根据 'species' 列的值来着色不同的数据点。Seaborn 自动识别 hue 参数，并根据不同的 'species' 值生成了图例，清晰地标明了每种颜色代表的鸢尾花种类。

1.2 手动添加和定制图例

虽然 Seaborn 自动生成图例非常方便，但在某些情况下，我们可能需要手动添加或定制图例，例如：

图例标签修改: 默认图例标签可能不够清晰或需要更具体的描述。
图例位置调整: 默认图例位置可能遮挡图表内容或需要放置在更合适的位置。
图例标题添加: 为图例添加标题，进一步说明图例所解释的内容。
图例外观定制: 修改图例的字体大小、颜色、边框、背景等。

我们可以使用 Matplotlib 的 plt.legend() 函数或 axes 对象的 ax.legend() 方法来手动添加和定制图例。

代码实践 1.2.1: 修改图例标签和位置


import seaborn as sns
import matplotlib.pyplot as plt
# 加载示例数据集
tips = sns.load_dataset('tips')
# 绘制小费金额与总账单金额的散点图，并使用 'smoker' 和 'sex' 进行分组
sns.scatterplot(data=tips, x='total_bill', y='tip', hue='smoker', style='sex')
# 手动修改图例标签
plt.legend(title='Categories', labels=['Non-Smoker', 'Smoker', 'Female', 'Male'], loc='upper left') # 修改标签和位置
plt.title('Tip Amount vs Total Bill with Customized Legend') # 添加标题
plt.xlabel('Total Bill ($)') # 添加 x 轴标签
plt.ylabel('Tip Amount ($)') # 添加 y 轴标签
plt.show()

内容详解 1.2.1:

在这个例子中，我们使用了 sns.scatterplot 绘制了小费数据集的散点图，并使用 hue='smoker' 和 style='sex' 参数对数据进行了分组。plt.legend() 函数被用来手动定制图例：

title='Categories': 设置图例的标题为 "Categories"。
labels=['Non-Smoker', 'Smoker', 'Female', 'Male']: 注意: 这里的标签顺序需要和数据系列在图中的顺序对应。在这个例子中，hue='smoker' 先绘制，然后 style='sex' 应用于所有数据点，因此我们需要将 'smoker' 的标签放在前面。更准确的做法是，如果需要精确控制标签，最好在绘制时就明确指定 label，例如 sns.scatterplot(..., hue='smoker', label='Smoker Group')，然后在 plt.legend() 中可以不指定 labels 参数，或者使用 handles 参数更精细地控制。
loc='upper left': 将图例的位置移动到图表的左上角。loc 参数可以接受不同的字符串或数字，例如 'upper right', 'lower left', 'lower right', 'center', 'best' (自动选择最佳位置) 等。

mermaid graphTD 图 1.2.1: 图例定制流程

代码实践 1.2.2: 更精细的图例控制和多个图例

在更复杂的场景中，我们可能需要更精细地控制图例的元素，或者在同一个图表中添加多个图例。我们可以使用 handles 和 labels 参数，以及 Axes.get_legend_handles_labels() 方法。


import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.lines as mlines
import matplotlib.patches as mpatches
# 创建示例数据 (假设我们手动绘制了一些线条和散点)
fig, ax = plt.subplots()
# 绘制两条线
line1, = ax.plot([1, 2, 3], [4, 5, 6], color='red', label='Line One')
line2, = ax.plot([1, 2, 3], [6, 5, 4], color='blue', label='Line Two')
# 绘制散点
scatter1 = ax.scatter([1.5, 2.5], [5, 5.5], color='green', marker='o', label='Scatter Points')
# 手动创建图例的 handles 和 labels
handles = [line1, line2, scatter1] #  注意顺序
labels = ['First Line', 'Second Line', 'Important Data Points']
# 添加图例
ax.legend(handles, labels, loc='lower right', title='Data Series')
plt.title('Custom Legend Example with Lines and Scatter')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()

内容详解 1.2.2:

在这个例子中，我们没有使用 Seaborn 的高级绘图函数，而是直接使用 Matplotlib 的 plt.plot() 和 plt.scatter() 函数绘制了线条和散点。

手动创建 handles 和 labels: handles 参数接受一个 Matplotlib artist 对象的列表，这些对象将出现在图例中。labels 参数接受与 handles 对应的标签列表。我们手动创建了 line1, line2, scatter1 这些 artist 对象，并将它们放入 handles 列表中。
ax.legend(handles, labels, ...): 我们使用 ax.legend() 方法，并将手动创建的 handles 和 labels 传递给它。这样可以精确控制图例中显示的内容和顺序。

Axes.get_legend_handles_labels() 方法:

如果你的图例是由 Seaborn 或 Matplotlib 自动生成的，但你想进一步定制，可以使用 Axes.get_legend_handles_labels() 方法获取自动生成的 handles 和 labels，然后进行修改。


import seaborn as sns
import matplotlib.pyplot as plt
iris = sns.load_dataset('iris')
ax = sns.scatterplot(data=iris, x='sepal_length', y='sepal_width', hue='species')
# 获取自动生成的 handles 和 labels
handles, labels = ax.get_legend_handles_labels()
# 修改 labels (例如，将 species 名称缩写)
new_labels = ['Setosa (Set)', 'Versicolor (Ver)', 'Virginica (Vir)']
# 重新创建图例，使用修改后的 labels
ax.legend(handles[1:], new_labels, title='Iris Species (Abbr.)', loc='upper left') # handles[1:] 因为第一个 handle 是图例标题的占位符
plt.title('Iris Sepal Length vs Width with Modified Legend Labels')
plt.show()

内容详解 1.2.3:

ax.get_legend_handles_labels(): 这个方法返回两个列表：handles 和 labels，它们是当前 axes 对象上图例的默认 handles 和 labels。
handles[1:]: 通常，自动生成的图例的第一个 handle 是图例标题的占位符，我们通常需要从第二个 handle 开始使用，所以这里使用了切片 handles[1:]。
ax.legend(handles[1:], new_labels, ...): 我们使用原始的 handles (从第二个开始) 和新的 labels 重新创建图例。

1.3 图例外观定制参数总结

plt.legend() 和 ax.legend() 提供了丰富的参数来定制图例的外观：

loc: 图例位置 (例如 'upper right', 'lower left', 'best' 等)。
title: 图例标题。
labels: 图例标签列表。
handles: 图例 handles 列表 (Matplotlib artist 对象)。
fontsize: 图例字体大小。
labelcolor: 图例标签颜色。
facecolor: 图例背景颜色。
edgecolor: 图例边框颜色。
frameon: 是否显示图例边框 (True/False)。
shadow: 是否显示图例阴影 (True/False)。
ncol: 图例列数 (将图例分成多列显示)。
bbox_to_anchor: 更精细的图例位置控制，允许将图例放置在 axes 区域之外。
mode: 图例模式 ('expand', 'None')，用于控制图例的扩展方式。

可以查阅 Matplotlib 文档获取完整的参数列表和详细说明。

2. 标题 (Title)

标题是图表的灵魂，它简洁明了地概括了图表的主题和内容，帮助读者快速理解图表想要表达的信息。

2.1 添加标题

我们可以使用 Matplotlib 的 plt.title() 函数 (figure-level 标题) 或 axes 对象的 ax.set_title() 方法 (axes-level 标题) 来添加标题。在 Seaborn 中，由于通常操作的是 axes 对象， ax.set_title() 更常用。

代码实践 2.1: 添加标题


import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset('tips')
ax = sns.histplot(data=tips, x='total_bill')
ax.set_title('Distribution of Total Bill Amounts') # 使用 ax.set_title 添加标题
plt.xlabel('Total Bill ($)')
plt.ylabel('Frequency')
plt.show()

内容详解 2.1:

ax.set_title('Distribution of Total Bill Amounts') 这行代码为直方图添加了标题 "Distribution of Total Bill Amounts"，清晰地表明了图表展示的是总账单金额的分布情况。

2.2 标题定制

ax.set_title() 函数也提供了丰富的参数来定制标题的外观：

label: 标题文本内容。
fontdict: 字体属性字典，可以设置字体大小、颜色、字体类型等。
loc: 标题位置 ('center', 'left', 'right')。
pad: 标题与 axes 顶部的距离 (像素)。
color: 标题颜色。
fontsize 或 size: 标题字体大小。
fontweight: 标题字体粗细 (例如 'bold', 'normal', 'light')。
fontstyle: 标题字体样式 ('italic', 'normal', 'oblique')。

代码实践 2.2: 定制标题外观


import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset('tips')
ax = sns.boxplot(data=tips, x='day', y='tip', hue='smoker')
title_font = {'fontsize': 16, 'fontweight': 'bold', 'color': 'darkblue'} # 定义字体属性字典
ax.set_title('Tip Amount Distribution by Day and Smoker Status', fontdict=title_font, loc='left', pad=20) # 定制标题外观
plt.xlabel('Day of the Week')
plt.ylabel('Tip Amount ($)')
plt.show()

内容详解 2.2:

title_font = {'fontsize': 16, 'fontweight': 'bold', 'color': 'darkblue'}: 我们创建了一个字典 title_font 来定义标题的字体属性。
ax.set_title(..., fontdict=title_font, loc='left', pad=20): 我们将 fontdict 参数设置为 title_font，并将标题位置 loc 设置为 'left' (左对齐)， pad 设置为 20 像素 (增加标题与 axes 顶部的距离)。

mermaid graphTD 图 2.2: 标题定制流程

3. 标签 (Label)

标签用于描述图表的坐标轴，清晰地标明了 x 轴和 y 轴所代表的变量和单位，是理解图表数据的基本要素。

3.1 添加轴标签

我们可以使用 Matplotlib 的 plt.xlabel() (x 轴标签) 和 plt.ylabel() (y 轴标签) 函数 (figure-level) 或 axes 对象的 ax.set_xlabel() 和 ax.set_ylabel() 方法 (axes-level) 来添加轴标签。同样，在 Seaborn 中， ax.set_xlabel() 和 ax.set_ylabel() 更常用。

代码实践 3.1: 添加轴标签


import seaborn as sns
import matplotlib.pyplot as plt
mpg = sns.load_dataset('mpg')
ax = sns.scatterplot(data=mpg, x='horsepower', y='mpg', hue='origin')
ax.set_xlabel('Horsepower') # 使用 ax.set_xlabel 添加 x 轴标签
ax.set_ylabel('Miles per Gallon (MPG)') # 使用 ax.set_ylabel 添加 y 轴标签
ax.set_title('Fuel Efficiency vs Horsepower of Cars')
plt.show()

内容详解 3.1:

ax.set_xlabel('Horsepower'): 设置 x 轴标签为 "Horsepower"。
ax.set_ylabel('Miles per Gallon (MPG)'): 设置 y 轴标签为 "Miles per Gallon (MPG)"，并明确标明了单位 MPG。

3.2 轴标签定制

ax.set_xlabel() 和 ax.set_ylabel() 函数也提供了参数来定制轴标签的外观，参数与 ax.set_title() 类似：

xlabel / ylabel: 标签文本内容。
fontdict: 字体属性字典。
loc: 标签位置 ('center', 'left', 'right' for x label; 'center', 'bottom', 'top' for y label)。
labelpad: 标签与轴线的距离 (像素)。
color: 标签颜色。
fontsize 或 size: 标签字体大小。
fontweight: 标签字体粗细。
fontstyle: 标签字体样式。
rotation: 标签旋转角度 (度数)。

代码实践 3.2: 定制轴标签外观


import seaborn as sns
import matplotlib.pyplot as plt
flights = sns.load_dataset('flights')
flights_wide = flights.pivot(index="year", columns="month", values="passengers")
ax = sns.heatmap(flights_wide, cmap="YlGnBu")
xlabel_font = {'fontsize': 14, 'fontstyle': 'italic', 'color': 'darkgreen'}
ylabel_font = {'fontsize': 14, 'fontweight': 'bold', 'color': 'purple'}
ax.set_xlabel('Month', fontdict=xlabel_font, labelpad=15) # 定制 x 轴标签
ax.set_ylabel('Year', fontdict=ylabel_font, labelpad=15, rotation=0, loc='top') # 定制 y 轴标签，并旋转和调整位置
ax.set_title('Monthly Passenger Numbers for Flights (Heatmap)')
plt.show()

内容详解 3.2:

xlabel_font 和 ylabel_font: 分别定义了 x 轴和 y 轴标签的字体属性字典。
ax.set_xlabel(..., fontdict=xlabel_font, labelpad=15): 定制 x 轴标签的字体和距离。
ax.set_ylabel(..., fontdict=ylabel_font, labelpad=15, rotation=0, loc='top'): 定制 y 轴标签的字体、距离、旋转角度 rotation=0 (水平显示) 和 位置 loc='top' (将 y 轴标签放置在轴线的顶部)。默认情况下，y 轴标签是垂直显示的，rotation=0 使其水平显示， loc='top' 将其移动到更合适的位置。

mermaid graphTD 图 3.2: 轴标签定制流程

4. 综合应用：图例、标题和标签的协同工作

图例、标题和标签不是孤立存在的，它们共同协作，构建起图表的完整信息框架。一个优秀的图表应该同时具备清晰的标题、明确的轴标签和易于理解的图例，才能有效地传达数据信息。

代码实践 4: 综合应用示例


import seaborn as sns
import matplotlib.pyplot as plt
exercise = sns.load_dataset('exercise')
# 绘制分组条形图
ax = sns.barplot(data=exercise, x='time', y='pulse', hue='kind', errorbar='sd', palette='viridis')
# 定制标题
title_font = {'fontsize': 18, 'fontweight': 'bold', 'color': 'navy'}
ax.set_title('Pulse Rate during Exercise by Exercise Type and Time', fontdict=title_font, pad=25)
# 定制轴标签
xlabel_font = {'fontsize': 14, 'color': 'darkgray'}
ylabel_font = {'fontsize': 14, 'color': 'darkgray'}
ax.set_xlabel('Time (minutes)', fontdict=xlabel_font, labelpad=15)
ax.set_ylabel('Pulse Rate (beats per minute)', fontdict=ylabel_font, labelpad=15)
# 定制图例
legend = ax.legend(title='Exercise Type', loc='upper right', fontsize=12, frameon=True, edgecolor='black')
legend.get_title().set_fontsize(13) # 定制图例标题字体大小
plt.tight_layout() # 自动调整子图参数，提供一个紧凑的布局
plt.show()

内容详解 4:

这个例子综合应用了图例、标题和标签的定制技巧：

标题定制: 使用 ax.set_title() 设置了醒目的标题，并定制了字体大小、颜色和位置。
轴标签定制: 使用 ax.set_xlabel() 和 ax.set_ylabel() 设置了清晰的轴标签，并定制了字体颜色和距离。
图例定制: 使用 ax.legend() 设置了图例标题、位置、字体大小、边框等，并进一步使用 legend.get_title().set_fontsize() 方法定制了图例标题的字体大小。
plt.tight_layout(): 这是一个非常有用的函数，它可以自动调整子图参数，使图表布局更紧凑，避免元素重叠。

mermaid graphTD 图 4: 图例、标题、标签协同工作流程

5. 总结

图例、标题和标签是提升 Seaborn 图表信息表达能力和美观度的关键元素。通过本节的学习，我们掌握了以下核心知识点：

图例:
- Seaborn 自动生成图例的机制。
- 使用 plt.legend() 或 ax.legend() 手动添加和定制图例。
- 图例位置、标签、标题、外观等定制参数。
- 使用 handles 和 labels 参数进行更精细的图例控制。
- 使用 Axes.get_legend_handles_labels() 方法获取和修改自动生成的图例元素。
标题:
- 使用 plt.title() 或 ax.set_title() 添加标题。
- 标题位置、字体、颜色、间距等定制参数。
标签:
- 使用 plt.xlabel(), plt.ylabel() 或 ax.set_xlabel(), ax.set_ylabel() 添加轴标签。
- 标签位置、字体、颜色、间距、旋转角度等定制参数。
综合应用:
- 图例、标题和标签的协同工作，构建完整的图表信息框架。
- 使用 plt.tight_layout() 优化图表布局。

掌握这些技巧，你将能够创建更专业、更易于理解的 Seaborn 数据可视化图表，有效地传达数据洞见，提升数据沟通的效率和影响力。在实际应用中，请根据图表类型、数据特点和目标受众，灵活运用这些定制方法，打造更出色的可视化作品。