展开全部

1.最近遇到一个问题，关于图例legend如何画在图32313133353236313431303231363533e78988e69d8331333363393662外的问题，并以适合的比例显示出来。

2.首先传统的做法如下，这种方式并不能满足我的要求，而且是显示在图内。

ax1.legend(loc='center left', bbox_to_anchor=(0.2, 1.12),ncol=3)1

loc表示图例的位置，有多种形式：

‘North’ 图例标识放在图顶端

‘South’ 图例标识放在图底端

‘East’ 图例标识放在图右方

‘West’ 图例标识放在图左方

‘NorthEast’ 图例标识放在图右上方（默认）

‘NorthWest 图例标识放在图左上方

‘SouthEast’ 图例标识放在图右下角

‘SouthWest’ 图例标识放在图左下角12345678

有人说简单，有相同的方式，如下经测试不行，可能是本人用的python版本不行，所用的方式就是和前面一样，采用如下的方式来替换上面的legend位置。

‘NorthOutside’ 图例标识放在图框外侧上方

‘SouthOutside’ 图例标识放在图框外侧下方

‘EastOutside’ 图例标识放在图框外侧右方

‘WestOutside’ 图例标识放在图框外侧左方

‘NorthEastOutside’ 图例标识放在图框外侧右上方

‘NorthWestOutside’ 图例标识放在图框外侧左上方

‘SouthEastOutside’ 图例标识放在图框外侧右下方

‘SouthWestOutside’ 图例标识放在图框外侧左下方

（以上几个将图例标识放在框图外）

‘Best’ 图标标识放在图框内不与图冲突的最佳位置

‘BestOutside’ 图标标识放在图框外使用最小空间的最佳位置1234567891011

bbox_to_anchor：表示legend的位置，前一个表示左右，后一个表示上下。当使用这个参数时。loc将不再起正常的作用，ncol=3表示图例三列显示。

3.有人说要解决这个问题可以采用对坐标轴放大或是缩小的方式，经本人测试可以行，但是，放大缩小的比率不让人满意，且很难控制到适合的位置。有兴趣可以参考链接，最终得出此方法不行。

4.那么就没有办法了吗？NO.NO，请看下面，最终完成如下。

这就是本人要的效果，不废话，具体做法如下

box = ax1.get_position()

ax1.set_position([box.x0, box.y0, box.width , box.height* 0.8])12

首先按上面的方式，如果你想将图例放上面就box.height*0.8，放右边就box.width*0.8其它方式一样。同时配合下面来使用。

ax1.legend(loc='center left', bbox_to_anchor=(0.2, 1.12),ncol=3)1

主要是bbox_to_anchor的使用，自己可以修改参数试下，good luck for you.

阅读全文

版权声明：原创文章，未经博主

使用例子

更多例子，请关注公众号 拇指笔记

建议看一看源码。

爬取京东评价信息并可视化

设置图表大小

在实例化时，设置宽度和高度。

Pie(init_opts=opts.InitOpts(width="1000px"))

具体位置如图

设置图例位置

左/右，或者百分数，百分数的含义图例的坐标位置在整个宽度的百分之多少（如果宽外1000，设置为80%就意味着图例在800的位置。

.set_global_opts(
        title_opts=opts.TitleOpts(title=" "),
        legend_opts=opts.LegendOpts(type_="scroll", pos_left="left", orient="vertical"),
    )

位置如图，和.add在一层。

设置翻页图例

图例很多时，可以将图例设置为翻页的。设置type=scroll。type = none则为普通模式。

legend_opts=opts.LegendOpts(type_="scroll", pos_left="left", orient="vertical")

位置如图。

设置颜色

设置图表的颜色，代码如下

.set_colors(['red',"blue", "green", "yellow", "red", "pink", "orange", "purple"])

位置如图。

在学习Python一年中，收集了很多Python学习资料，在这里整理一下，分享给各位！

Python入门、数据分析、爬虫、运维、机器学习方面的学习资料

干货 | Python学习资源整理分享