🔥个人主页：杨利杰YJlio

❄️个人专栏：《Sysinternals实战教程》 《Windows PowerShell 实战》 《WINDOWS教程》 《IOS教程》

《微信助手》 《锤子助手》 《Python》 《Kali Linux》

《那些年未解决的Windows疑难杂症》

🌟让复杂的事情更简单，让重复的工作自动化

1. 问题背景：为什么图例很重要

这一篇继续整理《超简单：用 Python 让 Excel 飞起来》第 7 章中的数据可视化内容，主题是在 Matplotlib 图表中添加图例 legend。如果图表里只有一条线、一组柱子，图例不是必须的；但只要图表里出现两组以上数据，图例就变成了读图的关键。

我在做办公报表、运维趋势图、工单分析图时，最怕看到一种图：线很多、颜色很多，但没有任何说明。读者只能猜：这条线是网络工单还是软件工单？这根柱子代表当月数量还是移动平均？这块面积到底是哪一类？

图例 legend 的作用，就是把图表中的颜色、线型、柱子和真实业务含义对应起来。它不是装饰，而是多数据图表的导航栏。

这张图展示了图例的重要性：没有 legend 时，多数据图表很容易变成“猜谜游戏”。

从这张图中可以看出，同样是一张多数据图，有图例和没有图例的阅读体验完全不同。没有图例时，读者只能看见不同颜色的线，却不知道它们分别代表什么；有了图例之后，颜色和业务对象之间建立了明确关系。

只要图表中有两条以上数据序列，就不要省略图例。否则图表看似完整，实际表达是不完整的。

2. 适用场景：哪些图表必须加 legend

legend 最常见的使用场景，是一张图里同时展示多个对象。比如两条折线、多组柱子、柱线组合图、叠加面积图、多个散点序列等。

常见场景包括：

1. 双折线图：网络工单 vs 软件工单 2. 多折线图：多个产品或多个部门的趋势对比 3. 组合图：柱形图表示数量，折线图表示移动平均 4. 面积图：不同类别叠加展示结构变化 5. 多组柱形图：不同部门、月份、指标之间的交叉对比

legend 的处理流程可以简单理解为：先给每组数据起名字，再让 Matplotlib 把这些名字显示出来。

推荐把 legend 当成图表交付前的必查项。图表不是给自己看的，而是给读者看的；只要读者需要猜，它就还不够清楚。

3. 最小可用：label + legend

Matplotlib 中添加图例最基础的方法只有两步：第一，绘图时给每组数据设置label；第二，绘图完成后调用plt.legend()显示图例。

这张图展示了 legend 的最小可用写法：先写label，再调用legend()。

从这张图中可以看出，label是图例内容的来源，legend()是让图例显示出来的动作。如果只写legend()，但前面没有设置label，图例就没有可显示的有效内容。

示例代码如下：

importmatplotlib.pyplotasplt plt.rcParams["font.sans-serif"]=["SimHei"]plt.rcParams["axes.unicode_minus"]=Falsemonths=["1月","2月","3月","4月","5月","6月"]net=[35,30,28,26,24,22]software=[40,45,50,55,52,58]plt.figure(figsize=(10,6))plt.plot(months,net,marker="o",label="网络工单")plt.plot(months,software,marker="o",label="软件工单")plt.title("双折线图：图例 legend 示例")plt.xlabel("月份")plt.ylabel("数量（单）")plt.legend()plt.grid(axis="y",linestyle="dashed",alpha=0.4)plt.tight_layout()plt.show()

这里最关键的是这两行：

plt.plot(months,net,marker="o",label="网络工单")plt.plot(months,software,marker="o",label="软件工单")

然后通过下面这句显示图例：

plt.legend()

label 决定图例写什么，legend 决定图例是否显示。这是 Matplotlib legend 最基础、也是最常用的逻辑。

不要把 label 写成 data1、data2、line1 这种没有业务意义的名字。图例的目的不是证明你写了代码，而是让读者知道每条线代表什么。

4. legend 位置设置：loc 放对地方

legend 能显示出来只是第一步，放在哪里才是真正影响读图体验的地方。图例如果挡住了关键数据点，反而会降低图表质量。

这张图展示了loc参数对图例位置的控制效果，图例可以放在左上、右上、左下、右下等位置。

从这张图中可以看出，图例放对位置，读图效率会明显提升。图例如果压住曲线、数据点或关键峰值，就会让读者分心。

常用写法如下：

plt.legend(loc="upper left")

常用位置可以直接记住下面几个：

我最常用的是：

plt.legend(loc="best")

如果不确定放哪里，可以先用loc="best"，让 Matplotlib 自动选择相对不遮挡的位置。后续再根据截图效果微调。

不要机械固定使用 upper left。如果左上角正好是数据变化最关键的位置，图例就会遮挡关键信息。

5. 图例太大/太挤怎么办：fontsize + ncol

当图表中的类别很多时，legend 容易变成一大长条。比如 8 个部门、10 个故障类型、20 个产品线，如果图例不优化，很容易占据大量画布空间。

这张图展示了图例过多时的优化思路：通过fontsize调整字体大小，通过ncol将图例分成多列。

从这张图中可以看出，优化前图例又长又挤，容易压缩图表主体；优化后图例分成多列，整体更规整，阅读也更轻松。

常用写法如下：

plt.legend(loc="upper left",fontsize=10,ncol=2)

参数含义如下：

如果类别更多，也可以尝试：

plt.legend(loc="upper left",fontsize=8,ncol=3)

图例类别较多时，优先考虑 ncol 分列，而不是无限缩小字体。字体太小会降低可读性，尤其是截图放到博客或 PPT 之后，读者很难看清。

如果 legend 已经明显影响图表主体，就不要继续硬塞在图内。这种情况更适合把图例移动到图外。

6. 组合图示例：柱形图 + 折线图加 legend

组合图是 legend 最容易体现价值的场景之一。比如柱形图表示当月工单量，折线图表示 3 期移动平均。如果没有图例，读者很难判断柱子和折线分别代表什么。

下面这段代码演示了柱形图和折线图共用一个 legend 的写法：

importmatplotlib.pyplotaspltimportpandasaspd plt.rcParams["font.sans-serif"]=["SimHei"]plt.rcParams["axes.unicode_minus"]=Falsemonths=["1月","2月","3月","4月","5月","6月"]tickets=[120,98,135,110,150,160]ma3=pd.Series(tickets).rolling(3).mean().tolist()plt.figure(figsize=(10,6))plt.bar(months,tickets,label="当月工单量",edgecolor="black",alpha=0.85)plt.plot(months,ma3,marker="o",linewidth=2,label="3期移动平均")plt.title("组合图：柱形图 + 折线图 legend 示例")plt.xlabel("月份")plt.ylabel("数量（单）")plt.legend(loc="upper left")plt.grid(axis="y",linestyle="dashed",alpha=0.4)plt.tight_layout()plt.show()

这段代码里，柱形图和折线图都设置了label：

plt.bar(months,tickets,label="当月工单量")plt.plot(months,ma3,label="3期移动平均")

只要不同图形对象都设置 label，legend 就可以统一显示。这也是 Matplotlib 比较方便的一点，不管是柱子、线、散点，只要有 label，都能被 legend 管理。

组合图中必须加 legend。因为组合图通常表达的是不同类型指标，如果没有图例，读者无法准确理解图表含义。

7. 图例遮挡数据的终极解决：放到图外

有些图表数据区域非常满，legend 不管放左上、右上、左下还是右下，都会挡住一部分数据。这时不要继续在图内纠结位置，直接把图例放到图外更干净。

这张图展示了把图例移动到图外的效果，核心参数是bbox_to_anchor。

从这张图中可以看出，图例移到图外后，数据区域更加清晰，曲线不会被遮挡，图表主体也更适合截图和汇报。

常用写法如下：

plt.legend(loc="upper left",bbox_to_anchor=(1.02,1.0),borderaxespad=0)plt.tight_layout()

这里重点解释两个参数：

如果你发现图例被裁剪，可以配合调整画布大小：

plt.figure(figsize=(12,6))

保存图片时也可以这样写：

plt.savefig("legend_outside.png",dpi=200,bbox_inches="tight")

正式交付的图表，如果 legend 遮挡数据，我更推荐直接放到图外。这比反复寻找一个“不太挡”的位置更稳定。

注意：legend 放到图外后，一定要检查保存出来的图片是否完整。如果没有使用bbox_inches="tight"或没有调整画布大小，图例可能会被裁掉。

8. 常见问题与踩坑提醒

8.1 调用了 legend 但图例不显示

最常见原因是绘图时没有写label。

plt.plot(months,net)plt.legend()

上面这种写法没有给数据命名，legend 就没有有效内容。正确写法是：

plt.plot(months,net,label="网络工单")plt.legend()

legend 不是自动猜业务含义，它只显示你通过 label 提供的信息。

8.2 图例显示乱码

如果图例中的中文显示为方块，通常是字体问题。Windows 环境下可以加入：

plt.rcParams["font.sans-serif"]=["SimHei"]plt.rcParams["axes.unicode_minus"]=False

也可以尝试：

plt.rcParams["font.sans-serif"]=["Microsoft YaHei"]

8.3 图例挡住关键数据

优先使用：

plt.legend(loc="best")

如果还是挡住，再考虑：

plt.legend(loc="upper left",bbox_to_anchor=(1.02,1.0))

8.4 图例太多太乱

优先减少类别数量，其次再优化显示形式。

plt.legend(fontsize=8,ncol=2)

如果类别太多，图例优化只能缓解问题，不能从根上解决问题。图表表达本身也需要控制信息密度。

9. 我的总结提升

这一节的核心，不是简单记住plt.legend()，而是理解 legend 在图表表达中的位置。只要图表中存在多组数据，legend 就承担着“解释颜色、线型、柱子含义”的责任。

我把 legend 的使用总结成四句话：

1. 多数据图必须加 legend。 2. 先写 label，再调用 legend。 3. 图例不能遮挡关键数据。 4. 类别多时，要么分列显示，要么放到图外。

图例的本质，是让图表脱离作者本人也能被正确理解。一张图如果只有你自己知道每条线代表什么，那它还没有达到交付标准。

后续写自动化报表时，我建议把 legend 位置、字体大小、图例列数这些参数统一封装进绘图函数。这样每次出图都能保持风格一致，也减少重复调参。

不要把图例当成可有可无的小组件。在多数据图表里，legend 直接决定读者能不能看懂图。

返回顶部