### Python 可视化中 `legend` 的含义与用法 在 Python 数据可视化领域，`legend` 是指图例，其主要功能是用来标识图表中的不同数据系列或线条[^2]。通过添加图例，可以让观众更清楚地理解每一条曲线、柱状图或其他图形所代表的具体意义。 #### 图例的作用 图例的主要作用在于增强图表的可读性和解释性。当一张图表中有多个数据序列时，图例可以帮助区分各个序列对应的名称或类别。例如，在折线图中，如果有多条折线表示不同的时间序列数据，则可以通过图例标注每条折线的意义[^3]。 #### 基本语法 以下是使用 Matplotlib 库创建并显示图例的基本方法： ```python import matplotlib.pyplot as plt # 定义数据 x = [1, 2, 3, 4, 5] y1 = [1, 4, 9, 16, 25] y2 = [1, 8, 27, 64, 125] # 绘制两条折线 plt.plot(x, y1, label="平方数", linestyle="-") plt.plot(x, y2, label="立方数", linestyle="--") # 添加图例 plt.legend() # 展示图表 plt.show() ``` 在此代码片段中，`label` 参数用于指定该数据系列的名字，而 `plt.legend()` 则负责生成基于这些标签的图例[^2]。 #### 高级用法：定制图例的位置和样式 除了简单的调用外，还可以进一步调整图例的位置以及外观属性。比如设置具体位置参数 (`loc`) 或者移除边框等操作都可以提升最终效果的质量。 下面是一个例子展示了如何在一个坐标系里放置两个独立的图例实例，并分别定位它们到右上方和左下方区域: ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.legend import Legend fig, ax = plt.subplots() lines = [] styles = ['-', '--', '-.', ':'] x = np.linspace(0, 10, 1000) for i in range(4): lines += ax.plot(x, np.sin(x - i * np.pi / 2), styles[i], color='black') ax.axis('equal') # 第一个图例位于右上角 first_legend = ax.legend(lines[:2], ['line A', 'line B'], loc='upper right', frameon=False) # 将第一个图例加入当前Axes对象管理列表中 ax.add_artist(first_legend) # 创建第二个图例放在左下角 second_legend = Legend(ax, lines[2:], ['line C', 'line D'], loc='lower left', frameon=False) ax.add_artist(second_legend) plt.show() ``` 此段脚本演示了更加复杂的场景——在同一幅画布之上同时存在两组互不干扰却又各自说明问题本质的信息块[^3]。 #### 总结 综上所述，`legend` 在 Python 数据可视化过程中扮演着至关重要的角色，它不仅提升了图表的表现力，还使得复杂的数据关系得以简洁明了的方式展现出来[^4]。