Question

我到处都在搜索，看来matplotlib中带有图例的大多数方法都与字符串标签有关。但是，我经常遇到数字标签的图例，还没有找到格式化数字的方法。

在第一种情况下，我使用了.plot()函数并通过使用关键字设置了图例：

fig, ax = plt.subplots(figsize=(10, 15))
legend_kwds = {'loc': 3, 'fontsize': 15}
style_kwds = {'edgecolor': 'white', 'linewidth': 2}
gdf.plot(column='pop2010', cmap='Blues', scheme='QUANTILES', k=4, legend=True, legend_kwds=legend_kwds, edgecolor='k', ax=ax)

，得到以下情节：map。如您所见，小数位数太多，我希望图例标签成为整数。

在第二种情况下，我通过ax.legend()设置了图例：

ax.legend(title='Clock Hours in 24 Hours', loc=2, ncol=2, fontsize=13)

并得到了legend，但我也希望它是一个整数。

我想知道在两种情况下是否都可以通过任何方式格式化matplotlib中图例中的数字。它背后是否有任何逻辑可以帮助我理解它？

Answer 1

由于我最近遇到了相同的问题，并且在Stack Overflow或其他站点上似乎不容易找到解决方案，我想我会发布我采用的方法，以防它有用。

首先，使用geopandas世界地图进行基本绘制：

# load world data set    
world_orig = geopandas.read_file(geopandas.datasets.get_path('naturalearth_lowres'))
world = world_orig[(world_orig['pop_est'] > 0) & (world_orig['name'] != "Antarctica")].copy()
world['gdp_per_cap'] = world['gdp_md_est'] / world['pop_est']

# basic plot
fig = world.plot(column='pop_est', figsize=(12,8), scheme='fisher_jenks', 
                 cmap='YlGnBu', legend=True)
leg = fig.get_legend()
leg._loc = 3
plt.show()

我使用的方法依赖于get_texts()对象的matplotlib.legend.Legend方法，然后遍历leg.get_texts()中的项目，将文本元素分为上下限，然后创建具有应用格式的新字符串，并使用set_text()方法进行设置。

# formatted legend
fig = world.plot(column='pop_est', figsize=(12,8), scheme='fisher_jenks', 
                 cmap='YlGnBu', legend=True)
leg = fig.get_legend()
leg._loc = 3

for lbl in leg.get_texts():
    label_text = lbl.get_text()
    lower = label_text.split()[0]
    upper = label_text.split()[2]
    new_text = f'{float(lower):,.0f} - {float(upper):,.0f}'
    lbl.set_text(new_text)

plt.show()

这很大程度上是一种“尝试和错误”的方法，因此，如果有更好的方法，我也不会感到惊讶。尽管如此，也许这会有所帮助。

Answer 2

方法1：

GeoPandas使用PySal的classifier。这是分位数图（k = 5）的示例。

import matplotlib.pyplot as plt
import numpy as np
import pysal.viz.mapclassify as mc
import geopandas as gpd

# load dataset
path = gpd.datasets.get_path('naturalearth_lowres')
gdf = gpd.read_file(path)
# generate a random column
gdf['random_col'] = np.random.normal(100, 10, len(gdf))

# plot quantiles map
fig, ax = plt.subplots(figsize=(10, 10))
gdf.plot(column='random_col', scheme='quantiles', k=5, cmap='Blues',
         legend=True, legend_kwds=dict(loc=6), ax=ax)

这给我们：

假设我们要对图例中的数字进行四舍五入。我们可以通过.Quantiles()中的pysal.viz.mapclassify函数获得分类。

mc.Quantiles(gdf.random_col, k=5)

该函数返回classifiers.Quantiles的对象：

Quantiles                 

 Lower            Upper              Count
==========================================
          x[i] <=  93.122               36
 93.122 < x[i] <=  98.055               35
 98.055 < x[i] <= 103.076               35
103.076 < x[i] <= 109.610               35
109.610 < x[i] <= 127.971               36

该对象的属性为bins，该属性返回一个数组，其中包含所有类的上限。

array([ 93.12248452,  98.05536454, 103.07553581, 109.60974753,
       127.97082465])

因此，我们可以使用此函数获取类的所有边界，因为较低类的上限等于较高类的下限。唯一遗漏的是最低类中的下界，它等于您尝试在DataFrame中分类的列的最小值。

下面是将所有数字四舍五入为整数的示例：

# get all upper bounds
upper_bounds = mc.Quantiles(gdf.random_col, k=5).bins

# get and format all bounds
bounds = []
for index, upper_bound in enumerate(upper_bounds):
    if index == 0:
        lower_bound = gdf.random_col.min()
    else:
        lower_bound = upper_bounds[index-1]

    # format the numerical legend here
    bound = f'{lower_bound:.0f} - {upper_bound:.0f}'
    bounds.append(bound)

# get all the legend labels
legend_labels = ax.get_legend().get_texts()

# replace the legend labels
for bound, legend_label in zip(bounds, legend_labels):
    legend_label.set_text(bound)

我们最终将获得：

方法2：

除了GeoPandas的.plot()方法外，您还可以考虑geoplot提供的.choropleth()函数，在其中您可以轻松地使用不同类型的方案和类数，同时传递{ {1}} arg修改图例标签。例如，

legend_labels

给你

seaborn / geopandas中图例标签中的格式编号

2 个答案: