[英]Squarify treemap — How to add legend for rectangles that are too small?
我的树形图有一个矩形太小,无法容纳其 label,因此我需要将树形图中的标签移出图例。 我正在使用norm_x
,因为我正在尝试模拟温度计式 plot。 下面看一下代码和尴尬的label:
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:
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 label:
所以我只需要找到一种方法将 plot 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()
调用中添加三位艺术家,但在这种情况下我不确定如何执行此操作。 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。
这些矩形一起存储在BarContainer
中。 默认情况下,matplotlib 假设一个图例 label 用于完整的容器。 要为每个单独的矩形添加图例 label,您可以将BarContainer
作为句柄传递给plt.legend()
。
下面的示例代码明确分配了 colors,因为默认的 colors 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()
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 plot 内的最大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()
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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.