1

我的树形图有一个矩形太小而无法容纳其标签，因此我需要将标签从树形图中移出到图例中。我正在使用norm_x，因为我正在尝试模拟温度计式的情节。下面看一下代码和尴尬的标签：

sizes = [30, 15, 3]
        
labels = [
    'Largest Block\n(30 units)',
    'Second Largest Block\n(15 units)',
    'Small Block\n(3 units)'
]     
            
tmap = squarify.plot(
    sizes,
    label=labels,
    alpha=.7,
    norm_x=10,
)

tmap.axes.get_xaxis().set_visible(False)
    
plt.legend(labels)

产生：

在此处输入图像描述

当我添加plt.legend(labels)（并从 squarify 调用中删除标签）时，我得到这个图例只有一个标签：

在此处输入图像描述

所以我只需要找到一种方法将绘图中的所有标签添加到图例中。matplotlib 文档建议我可能需要在plt.legend()通话中添加三位艺术家，但我不确定在这种情况下如何执行此操作。此外，如果您有比创建图例更好的想法来解决此问题，那可能是一个更好的答案。

4

1 回答 1

3

这些矩形一起存储在一个BarContainer. 默认情况下，matplotlib 为整个容器假设一个图例标签。要为每个单独的矩形添加图例标签，您可以将BarContaineras 句柄传递给plt.legend().

下面的示例代码明确指定颜色，因为默认颜色可能有点难以区分。

from matplotlib import pyplot as plt
import squarify

sizes = [30, 15, 3]
labels = ['Largest Block\n(30 units)', 'Second Largest Block\n(15 units)', 'Small Block\n(3 units)']

ax = squarify.plot(sizes, alpha=.7, norm_x=10, color=plt.cm.Set2.colors)
ax.get_xaxis().set_visible(False)
from matplotlib import pyplot as plt
import squarify

sizes = [30, 15, 3]
labels = ['Largest Block\n(30 units)', 'Second Largest Block\n(15 units)', 'Small Block\n(3 units)']

ax = squarify.plot(sizes, norm_x=10, color=plt.cm.Set2.colors)
ax.get_xaxis().set_visible(False)

plt.legend(handles=ax.containers[0], labels=labels)
plt.show()

结果图

PS：要使图例与显示的矩形顺序相同，您可以反转 y 轴 ( ax.invert_yaxis()) 或反转句柄和标签列表 ( plt.legend(handles=ax.containers[0][::-1], labels=labels[::-1]))。

这是另一个示例，注释图中最大的矩形并在图例中显示最小的矩形：

from matplotlib import pyplot as plt
import squarify
import numpy as np

labels = [55, 34, 21, 13, 8, 5, 3, 2, 1, 1]
sizes = [f * f for f in labels]
num_labels_in_legend = 5

ax = squarify.plot(sizes, label=labels[:-num_labels_in_legend], color=plt.cm.plasma(np.linspace(0, 1, len(labels))),
                   ec='black', norm_x=144, norm_y=89, text_kwargs={'color': 'white', 'size': 18})
ax.axis('off')
ax.invert_xaxis()
ax.set_aspect('equal')
plt.legend(handles=ax.containers[0][:-num_labels_in_legend - 1:-1], labels=labels[:-num_labels_in_legend - 1:-1],
           handlelength=1, handleheight=1)
plt.show()

第二个例子

这是计算要在图例中显示的标签数量的想法。例如，当小矩形的总面积小于总面积的 5% 时：

num_labels_in_legend = np.count_nonzero(np.cumsum(sizes) / sum(sizes) > 0.95)

或者只是小于总面积 2% 的矩形数量：

num_labels_in_legend = np.count_nonzero(np.array(sizes) / sum(sizes) < 0.02)
于 2021-02-14T22:41:32.760 回答