如何在 Python 中的绘图图形上手动添加图例颜色和图例字体大小？

超、凢脫俗 2024-03-17 20:13 50阅读 0赞

本教程将解释如何使用 Python 在 Plotly 图形上手动添加图例文本大小和颜色。在本教程结束时，您将能够在强大的 Python 数据可视化包 Plotly 的帮助下创建交互式图形和图表。情节发展必须包括一个图例，以帮助观众理解信息。但是，并非所有情况都可以通过 Plotly 的默认图例设置来适应。本文将讨论如何在 Python 中手动将图例颜色和字体大小应用于 Plotly 图形。

### 语法 ###

Plotly 的 update\_layout（） 方法以及legend\_font\_color和legend\_font\_size参数可用于手动添加图例颜色和字体大小。下面提供了语法的插图 -

fig = px.scatter(df, x="x", y="y", size=None, color=None, hover_name=None, title='My title') # Set legend color fig.update_layout(legend_font_color=None) # Set font size fig.update_layout(legend_font_size=None)

给定的代码使用 Plotly Express 库创建散点图，其中包含来自熊猫数据帧 'df' 的 x 和 y 数据。散点图没有大小或颜色信息，也不会显示悬停信息。绘图标题设置为“我的标题”。

然后使用 *fig.update\_layout*（） 方法更新由 *px.scatter（）* 函数创建的 'fig' 对象以修改绘图布局。legend\_font\_color参数设置为“无”。同样，*legend\_font\_size*参数设置为“无”。

### 例 ###

在此示例中，我们通过定义包含三个键的数据字典来创建自己的数据帧：“考试 1 分数”、“考试 2 分数”和“性别”。随机整数和字符串值使用 NumPy 分配给这些键。然后我们使用了 *pd。DataFrame（）* 方法，用于从数据字典创建数据帧。

然后使用 *px.scatter（）* 方法创建散点图。数据帧中的“考试 1 分数”和“考试 2 分数”列分别用作 x 轴和 y 轴。“性别”列用于使用颜色参数对图中的标记进行颜色编码。 *color\_discrete\_map*字典用于将“性别”列中的“男性”和“女性”值分别映射到蓝色和粉红色。然后我们将情节的标题设置为“按性别划分的考试成绩”。

最后，*使用 fig.update\_layout（）* 方法自定义图的图例。*legend\_font\_color*参数设置为“=red”以更改图例文本的颜色，*legend\_font\_size*参数设置为 14 以增加图例文本的字体大小。

然后使用 fig.show（） 方法显示该图。

import plotly.express as px import pandas as pd import numpy as np # create a sample dataset data = {'Exam 1 Score': np.random.randint(50, 101, 50),         'Exam 2 Score': np.random.randint(50, 101, 50),         'Gender': np.random.choice(['Male', 'Female'], 50)} df = pd.DataFrame(data) # create a scatter plot with colored markers fig = px.scatter(df, x='Exam 1 Score', y='Exam 2 Score', color='Gender', color_discrete_map={'Male': 'blue', 'Female': 'pink'}, title='Exam Scores by Gender') # Set legend color to black fig.update_layout(legend_font_color='red') # Set legend font size to 14 fig.update_layout(legend_font_size=14) # display the plot fig.show()

### 输出 ###

![0d1481cc0b2d9f31be9e42fe47e91f3a.png][]

### 例 ###

在此示例中，我们首先使用 px.data.tips（） 函数首先将提示数据集加载到 Pandas 数据帧中。这使我们能够使用数据并使用数据集中提供的数据生成可视化效果。

要创建散点图，使用了 Plotly Express 中的 px.scatter（） 函数，并将数据集中的“total\_bill”和“tip”列指定为图的 x 轴和 y 轴。“size”列被指定为标记的大小，“color”列被指定为变量，用于根据支付账单的人的性别为标记着色。绘图的标题设置为“提示数据”。

创建绘图后，使用 update\_layout（） 方法自定义绘图布局。特别是，legend\_font\_color参数设置为“绿色”，legend\_font\_size参数设置为 14。这些参数控制图上显示的图例的颜色和字体大小。

最后，使用 Plotly 中的 show（） 函数显示绘图。生成的图显示了餐厅顾客的总账单和小费金额之间的关系，标记的大小由另一个变量调整，并由支付账单的人的性别着色。图例字体颜色设置为绿色，字体大小设置为 14 以提高可读性。

import plotly.express as px # load tips dataset df = px.data.tips() # create a scatter plot with size-scaled markers fig = px.scatter(df, x='total_bill', y='tip', size='size', color='sex', title='Tips Data') # customize plot layout fig.update_layout(legend_font_color='green', legend_font_size=14) # display the plot fig.show()

### 输出 ###

![d8b83314eb8efa48ee9cd40057645004.jpeg][]

### 结论 ###

因此，我们学会了如何在 Python 中手动将图例颜色和图例字体大小添加到绘图图形中。在 Plotly 图形中包含故事是数据可视化的重要组成部分。如果在某些情况下默认设置不足，则可能需要手动调整图例颜色和文本大小。update\_layout（） 方法可用于设置 legend\_font\_color 和 legend\_font\_size 参数。通过遵循本教程中提供的示例，用户可以修改其 Plotly 图以满足自己的需求并提高可视化的清晰度。

[0d1481cc0b2d9f31be9e42fe47e91f3a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/28e7802683c945698768ed2bd96a386b.png
[d8b83314eb8efa48ee9cd40057645004.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/f118b16ca551484185738a4b94408e2f.png