二十五、自定义图例

在这篇 Matplotlib 教程中，我们将讨论自定义图例。 我们已经介绍了添加图例的基础知识。

图例的主要问题通常是图例阻碍了数据的展示。 这里有几个选项。 一个选项是将图例放在轴域外，但是我们在这里有多个子图，这是非常困难的。 相反，我们将使图例稍微小一点，然后应用一个透明度。

首先，为了创建一个图例，我们需要向我们的数据添加我们想要显示在图例上的标签。

  1. ax1.plot_date(date[-start:],h_l[-start:],'-', label='H-L')
  2. ...
  3. ax2v.plot([],[], color='#0079a3', alpha=0.4, label='Volume')
  4. ...
  5. ax3.plot(date[-start:], ma1[-start:], linewidth=1, label=(str(MA1)+'MA'))
  6. ax3.plot(date[-start:], ma2[-start:], linewidth=1, label=(str(MA2)+'MA'))

请注意，我们通过创建空行为交易量添加了标签。 请记住，我们不能对任何填充应用标签，所以这就是我们添加这个空行的原因。

现在，我们可以在右下角添加图例，通过在plt.show()之前执行以下操作：

  1. ax1.legend()
  2. ax2v.legend()
  3. ax3.legend()

会生成：

二十五、自定义图例 - 图1

所以，我们可以看到，图例还是占用了一些位置。 让我们更改位置，大小并添加透明度：

  1. ax1.legend()
  2. leg = ax1.legend(loc=9, ncol=2,prop={'size':11})
  3. leg.get_frame().set_alpha(0.4)
  5. ax2v.legend()
  6. leg = ax2v.legend(loc=9, ncol=2,prop={'size':11})
  7. leg.get_frame().set_alpha(0.4)
  9. ax3.legend()
  10. leg = ax3.legend(loc=9, ncol=2,prop={'size':11})
  11. leg.get_frame().set_alpha(0.4)

所有的图例位于位置 9（上中间）。 有很多地方可放置图例，我们可以为参数传入不同的位置号码，来看看它们都位于哪里。 ncol参数允许我们指定图例中的列数。 这里只有一列，如果图例中有 2 个项目，他们将堆叠在一列中。 最后，我们将尺寸规定为更小。 之后，我们对整个图例应用0.4的透明度。

现在我们的结果为：

二十五、自定义图例 - 图2

完整的代码为：

  1. import matplotlib.pyplot as plt
  2. import matplotlib.dates as mdates
  3. import matplotlib.ticker as mticker
  4. from matplotlib.finance import candlestick_ohlc
  5. from matplotlib import style
  7. import numpy as np
  8. import urllib
  9. import datetime as dt
  11. style.use('fivethirtyeight')
  12. print(plt.style.available)
  14. print(plt.__file__)
  16. MA1 = 10
  17. MA2 = 30
  19. def moving_average(values, window):
  20.     weights = np.repeat(1.0, window)/window
  21.     smas = np.convolve(values, weights, 'valid')
  22.     return smas
  24. def high_minus_low(highs, lows):
  25.     return highs-lows
  28. def bytespdate2num(fmt, encoding='utf-8'):
  29.     strconverter = mdates.strpdate2num(fmt)
  30.     def bytesconverter(b):
  31.         s = b.decode(encoding)
  32.         return strconverter(s)
  33.     return bytesconverter
  36. def graph_data(stock):
  38.     fig = plt.figure(facecolor='#f0f0f0')
  39.     ax1 = plt.subplot2grid((6,1), (0,0), rowspan=1, colspan=1)
  40.     plt.title(stock)
  41.     plt.ylabel('H-L')
  42.     ax2 = plt.subplot2grid((6,1), (1,0), rowspan=4, colspan=1, sharex=ax1)
  43.     plt.ylabel('Price')
  44.     ax2v = ax2.twinx()
  46.     ax3 = plt.subplot2grid((6,1), (5,0), rowspan=1, colspan=1, sharex=ax1)
  47.     plt.ylabel('MAvgs')
  50.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=1y/csv'
  51.     source_code = urllib.request.urlopen(stock_price_url).read().decode()
  52.     stock_data = []
  53.     split_source = source_code.split('\n')
  54.     for line in split_source:
  55.         split_line = line.split(',')
  56.         if len(split_line) == 6:
  57.             if 'values' not in line and 'labels' not in line:
  58.                 stock_data.append(line)
  61.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
  62.                                                           delimiter=',',
  63.                                                           unpack=True,
  64.                                                           converters={0: bytespdate2num('%Y%m%d')})
  66.     x = 0
  67.     y = len(date)
  68.     ohlc = []
  70.     while x < y:
  71.         append_me = date[x], openp[x], highp[x], lowp[x], closep[x], volume[x]
  72.         ohlc.append(append_me)
  73.         x+=1
  75.     ma1 = moving_average(closep,MA1)
  76.     ma2 = moving_average(closep,MA2)
  77.     start = len(date[MA2-1:])
  79.     h_l = list(map(high_minus_low, highp, lowp))
  82.     ax1.plot_date(date[-start:],h_l[-start:],'-', label='H-L')
  83.     ax1.yaxis.set_major_locator(mticker.MaxNLocator(nbins=4, prune='lower'))
  86.     candlestick_ohlc(ax2, ohlc[-start:], width=0.4, colorup='#77d879', colordown='#db3f3f')
  90.     ax2.yaxis.set_major_locator(mticker.MaxNLocator(nbins=7, prune='upper'))
  91.     ax2.grid(True)
  93.     bbox_props = dict(boxstyle='round',fc='w', ec='k',lw=1)
  95.     ax2.annotate(str(closep[-1]), (date[-1], closep[-1]),
  96.                  xytext = (date[-1]+4, closep[-1]), bbox=bbox_props)
  98. ##    # Annotation example with arrow
  99. ##    ax2.annotate('Bad News!',(date[11],highp[11]),
  100. ##                 xytext=(0.8, 0.9), textcoords='axes fraction',
  101. ##                 arrowprops = dict(facecolor='grey',color='grey'))
  102. ##
  103. ##    
  104. ##    # Font dict example
  105. ##    font_dict = {'family':'serif',
  106. ##                 'color':'darkred',
  107. ##                 'size':15}
  108. ##    # Hard coded text 
  109. ##    ax2.text(date[10], closep[1],'Text Example', fontdict=font_dict)
  111.     ax2v.plot([],[], color='#0079a3', alpha=0.4, label='Volume')
  112.     ax2v.fill_between(date[-start:],0, volume[-start:], facecolor='#0079a3', alpha=0.4)
  113.     ax2v.axes.yaxis.set_ticklabels([])
  114.     ax2v.grid(False)
  115.     ax2v.set_ylim(0, 3*volume.max())
  119.     ax3.plot(date[-start:], ma1[-start:], linewidth=1, label=(str(MA1)+'MA'))
  120.     ax3.plot(date[-start:], ma2[-start:], linewidth=1, label=(str(MA2)+'MA'))
  122.     ax3.fill_between(date[-start:], ma2[-start:], ma1[-start:],
  123.                      where=(ma1[-start:] < ma2[-start:]),
  124.                      facecolor='r', edgecolor='r', alpha=0.5)
  126.     ax3.fill_between(date[-start:], ma2[-start:], ma1[-start:],
  127.                      where=(ma1[-start:] > ma2[-start:]),
  128.                      facecolor='g', edgecolor='g', alpha=0.5)
  130.     ax3.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
  131.     ax3.xaxis.set_major_locator(mticker.MaxNLocator(10))
  132.     ax3.yaxis.set_major_locator(mticker.MaxNLocator(nbins=4, prune='upper'))
  134.     for label in ax3.xaxis.get_ticklabels():
  135.         label.set_rotation(45)
  139.     plt.setp(ax1.get_xticklabels(), visible=False)
  140.     plt.setp(ax2.get_xticklabels(), visible=False)
  141.     plt.subplots_adjust(left=0.11, bottom=0.24, right=0.90, top=0.90, wspace=0.2, hspace=0)
  143.     ax1.legend()
  144.     leg = ax1.legend(loc=9, ncol=2,prop={'size':11})
  145.     leg.get_frame().set_alpha(0.4)
  147.     ax2v.legend()
  148.     leg = ax2v.legend(loc=9, ncol=2,prop={'size':11})
  149.     leg.get_frame().set_alpha(0.4)
  151.     ax3.legend()
  152.     leg = ax3.legend(loc=9, ncol=2,prop={'size':11})
  153.     leg.get_frame().set_alpha(0.4)
  155.     plt.show()
  156.     fig.savefig('google.png', facecolor=fig.get_facecolor())
  159. graph_data('GOOG')

现在我们可以看到图例，但也看到了图例下的任何信息。 还要注意额外函数fig.savefig。 这是自动保存图形的图像的方式。 我们还可以设置所保存的图形的前景色，使背景不是白色的，如我们的例子所示。

这就是目前为止，我想要显示的典型 Matplotlib 图表。 接下来，我们将涉及Basemap，它是一个 Matplotlib 扩展，用于绘制地理位置，然后我打算讲解 Matplotlib 中的 3D 图形。