Мне трудно добавить легенду к matplotlib.pyplot, моя цель - сделать график параллельных координат похожим на график
Параллельные координаты в Matplotlib
Поскольку мой вариант использования аналогичен, я использовал предоставленное решение, за исключением того, что у меня есть только 2 наблюдения, по 1 в каждой группе, и я добавил plt.legend(axes,style), так что легенда создается, но когда я запускаю код, я получаюниже предупреждение и без легенды.
: \ Python27 \ lib \ site-packages \ matplotlib \ legend.py: 634: UserWarning: Легенда не поддерживает экземпляры.Вместо этого можно использовать прокси-исполнителя.См .: http://matplotlib.org/users/legend_guide.html#using-proxy-artist "# using-proxy-artist" .format (orig_handle)
Я пытался просмотреть документацию, но не смог найти решение.
Я обнаружил еще одну публикацию stackoverflow, перечисленную ниже, но все еще не совсем ясно об использовании легенд, особенно о том, как распаковать подзаговоры перед переходом к функции легенды.Может кто-нибудь объяснить, как это работает.
Использование прокси-художника внутри легенды, matplotlib, Python
#!/usr/bin/python
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
def parallel_coordinates(data_sets, style=None):
dims = len(data_sets[0])
x = range(dims)
fig, axes = plt.subplots(1, dims-1, sharey=False)
if style is None:
style = ['r-']*len(data_sets)
# Calculate the limits on the data
min_max_range = list()
for m in zip(*data_sets):
mn = min(m)
mx = max(m)
if mn == mx:
mn -= 0.5
mx = mn + 1.
r = float(mx - mn)
min_max_range.append((mn, mx, r))
# Normalize the data sets
norm_data_sets = list()
for ds in data_sets:
nds = [(value - min_max_range[dimension][0]) /
min_max_range[dimension][2]
for dimension,value in enumerate(ds)]
norm_data_sets.append(nds)
data_sets = norm_data_sets
# Plot the datasets on all the subplots
for i, ax in enumerate(axes):
for dsi, d in enumerate(data_sets):
ax.plot(x, d, style[dsi])
ax.set_xlim([x[i], x[i+1]])
# Set the x axis ticks
for dimension, (axx,xx) in enumerate(zip(axes, x[:-1])):
axx.xaxis.set_major_locator(ticker.FixedLocator([xx]))
ticks = len(axx.get_yticklabels())
labels = list()
step = min_max_range[dimension][2] / (ticks - 1)
mn = min_max_range[dimension][0]
for i in xrange(ticks):
v = mn + i*step
labels.append('%4.2f' % v)
axx.set_yticklabels(labels)
# Move the final axis' ticks to the right-hand side
axx = plt.twinx(axes[-1])
dimension += 1
axx.xaxis.set_major_locator(ticker.FixedLocator([x[-2], x[-1]]))
ticks = len(axx.get_yticklabels())
step = min_max_range[dimension][2] / (ticks - 1)
mn = min_max_range[dimension][0]
labels = ['%4.2f' % (mn + i*step) for i in xrange(ticks)]
axx.set_yticklabels(labels)
# Stack the subplots
plt.subplots_adjust(wspace=0)
plt.legend(axes,style)
return plt
if __name__ == '__main__':
import random
base = [0, 0, 5, 5, 0]
scale = [1.5, 2., 1.0, 2., 2.]
data = [[base[x] + random.uniform(0., 1.)*scale[x]
for x in xrange(5)] for y in xrange(1)]
colors = ['r'] * 1
base = [3, 6, 0, 1, 3]
scale = [1.5, 2., 2.5, 2., 2.]
data.extend([[base[x] + random.uniform(0., 1.)*scale[x]
for x in xrange(5)] for y in xrange(1)])
colors.extend(['b'] * 1)
parallel_coordinates(data, style=colors).show()