如何使用 matplotlib 为许多子图制作一个图例？

还有一个很好的函数 get_legend_handles_labels() 您可以在最后一个轴上调用（如果您遍历它们），它将从 label= 参数收集您需要的所有内容：

handles, labels = ax.get_legend_handles_labels()
fig.legend(handles, labels, loc='upper center')

---

figlegend 可能是您要查找的内容：https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.figlegend.html

此处示例：https://matplotlib.org/stable/gallery/text_labels_and_annotations/figlegend_demo.html

另一个例子：

plt.figlegend( lines, labels, loc = 'lower center', ncol=5, labelspacing=0. )

或者：

fig.legend( lines, labels, loc = (0.5, 0), ncol=5 )

---

TL;博士

lines_labels = [ax.get_legend_handles_labels() for ax in fig.axes]
lines, labels = [sum(lol, []) for lol in zip(*lines_labels)]
fig.legend(lines, labels)

我注意到没有答案显示带有单个图例的图像，该图例引用了不同子图中的许多曲线，所以我必须向您展示一个...让您好奇...

https://i.stack.imgur.com/JRW9K.png

现在，你想看看代码，不是吗？

from numpy import linspace
import matplotlib.pyplot as plt

# Calling the axes.prop_cycle returns an itertoools.cycle

color_cycle = plt.rcParams['axes.prop_cycle']()

# I need some curves to plot

x = linspace(0, 1, 51)
f1 = x*(1-x)   ; lab1 = 'x - x x'
f2 = 0.25-f1   ; lab2 = '1/4 - x + x x' 
f3 = x*x*(1-x) ; lab3 = 'x x - x x x'
f4 = 0.25-f3   ; lab4 = '1/4 - x x + x x x'

# let's plot our curves (note the use of color cycle, otherwise the curves colors in
# the two subplots will be repeated and a single legend becomes difficult to read)
fig, (a13, a24) = plt.subplots(2)

a13.plot(x, f1, label=lab1, **next(color_cycle))
a13.plot(x, f3, label=lab3, **next(color_cycle))
a24.plot(x, f2, label=lab2, **next(color_cycle))
a24.plot(x, f4, label=lab4, **next(color_cycle))

# so far so good, now the trick

lines_labels = [ax.get_legend_handles_labels() for ax in fig.axes]
lines, labels = [sum(lol, []) for lol in zip(*lines_labels)]

# finally we invoke the legend (that you probably would like to customize...)

fig.legend(lines, labels)
plt.show()

两条线

lines_labels = [ax.get_legend_handles_labels() for ax in fig.axes]
lines, labels = [sum(lol, []) for lol in zip(*lines_labels)]

值得解释一下——为了这个目的，我将棘手的部分封装在一个函数中，只有 4 行代码，但有大量注释

def fig_legend(fig, **kwdargs):

    # generate a sequence of tuples, each contains
    #  - a list of handles (lohand) and
    #  - a list of labels (lolbl)
    tuples_lohand_lolbl = (ax.get_legend_handles_labels() for ax in fig.axes)
    # e.g. a figure with two axes, ax0 with two curves, ax1 with one curve
    # yields:   ([ax0h0, ax0h1], [ax0l0, ax0l1]) and ([ax1h0], [ax1l0])
    
    # legend needs a list of handles and a list of labels, 
    # so our first step is to transpose our data,
    # generating two tuples of lists of homogeneous stuff(tolohs), i.e
    # we yield ([ax0h0, ax0h1], [ax1h0]) and ([ax0l0, ax0l1], [ax1l0])
    tolohs = zip(*tuples_lohand_lolbl)

    # finally we need to concatenate the individual lists in the two
    # lists of lists: [ax0h0, ax0h1, ax1h0] and [ax0l0, ax0l1, ax1l0]
    # a possible solution is to sum the sublists - we use unpacking
    handles, labels = (sum(list_of_lists, []) for list_of_lists in tolohs)

    # call fig.legend with the keyword arguments, return the legend object

    return fig.legend(handles, labels, **kwdargs)

PS 我承认 sum(list_of_lists, []) 是一种非常低效的方法来展平列表列表，但①我喜欢它的紧凑性，②通常是几个子图中的几条曲线，③ Matplotlib 和效率？ ;-)

重要更新

如果你想坚持使用官方的 Matplotlib API，我上面的答案是完美的，真的。

另一方面，如果您不介意使用 matplotlib.legend 模块的私有方法......它真的要容易得多

from matplotlib.legend import _get_legend_handles_labels
...

fig.legend(*_get_legend_handles_and_labels(fig.axes), ...)

完整的解释可以在 .../matplotlib/axes/_axes.py 中的 Axes.get_legend_handles_labels 的源代码中找到

---

对于在具有多个轴的 figure 中自动定位单个图例，例如使用 subplots() 获得的图例，以下解决方案非常有效：

plt.legend( lines, labels, loc = 'lower center', bbox_to_anchor = (0,-0.1,1,1),
            bbox_transform = plt.gcf().transFigure )

使用 bbox_to_anchor 和 bbox_transform=plt.gcf().transFigure，您正在定义一个与 figure 大小相同的新边界框，以作为 loc 的参考。使用 (0,-0.1,1,1) 将该边界框稍微向下移动，以防止图例被放置在其他艺术家之上。

OBS：在使用 fig.set_size_inches() 之后和使用 fig.tight_layout() 之前使用此解决方案

---

您只需要在循环之外询问一次图例。

例如，在这种情况下，我有 4 个子图，具有相同的线条和一个图例。

from matplotlib.pyplot import *

ficheiros = ['120318.nc', '120319.nc', '120320.nc', '120321.nc']

fig = figure()
fig.suptitle('concentration profile analysis')

for a in range(len(ficheiros)):
    # dados is here defined
    level = dados.variables['level'][:]

    ax = fig.add_subplot(2,2,a+1)
    xticks(range(8), ['0h','3h','6h','9h','12h','15h','18h','21h']) 
    ax.set_xlabel('time (hours)')
    ax.set_ylabel('CONC ($\mu g. m^{-3}$)')

    for index in range(len(level)):
        conc = dados.variables['CONC'][4:12,index] * 1e9
        ax.plot(conc,label=str(level[index])+'m')

    dados.close()

ax.legend(bbox_to_anchor=(1.05, 0), loc='lower left', borderaxespad=0.)
         # it will place the legend on the outer right-hand side of the last axes

show()

---

如果您使用带有条形图的子图，则每个条形图具有不同的颜色。使用 mpatches 自己创建人工制品可能会更快

假设您有四个不同颜色的条形r m c k，您可以将图例设置如下

import matplotlib.patches as mpatches
import matplotlib.pyplot as plt
labels = ['Red Bar', 'Magenta Bar', 'Cyan Bar', 'Black Bar']


#####################################
# insert code for the subplots here #
#####################################


# now, create an artist for each color
red_patch = mpatches.Patch(facecolor='r', edgecolor='#000000') #this will create a red bar with black borders, you can leave out edgecolor if you do not want the borders
black_patch = mpatches.Patch(facecolor='k', edgecolor='#000000')
magenta_patch = mpatches.Patch(facecolor='m', edgecolor='#000000')
cyan_patch = mpatches.Patch(facecolor='c', edgecolor='#000000')
fig.legend(handles = [red_patch, magenta_patch, cyan_patch, black_patch],labels=labels,
       loc="center right", 
       borderaxespad=0.1)
plt.subplots_adjust(right=0.85) #adjust the subplot to the right for the legend

---

这个答案是对@Evert 在图例位置上的补充。

由于图例和子图标题的重叠，我对@Evert 解决方案的第一次尝试失败了。

事实上，重叠是由 fig.tight_layout() 引起的，它改变了子图的布局而不考虑图例。但是，fig.tight_layout() 是必需的。

为了避免重叠，我们可以告诉 fig.tight_layout() 通过 fig.tight_layout(rect=(0,0,1,0.9)) 为图形的图例留出空格。

Description of tight_layout() parameters。

---

虽然游戏比较晚，但我将在这里提供另一个解决方案，因为这仍然是谷歌上出现的第一批链接之一。使用 matplotlib 2.2.2，这可以使用 gridspec 功能来实现。在下面的示例中，目标是以 2x2 的方式排列四个子图，图例显示在底部。在底部创建一个“人造”轴，以将图例放置在固定位置。然后关闭“人造”轴，因此仅显示图例。结果：https://i.stack.imgur.com/5LUWM.png。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

#Gridspec demo
fig = plt.figure()
fig.set_size_inches(8,9)
fig.set_dpi(100)

rows   = 17 #the larger the number here, the smaller the spacing around the legend
start1 = 0
end1   = int((rows-1)/2)
start2 = end1
end2   = int(rows-1)

gspec = gridspec.GridSpec(ncols=4, nrows=rows)

axes = []
axes.append(fig.add_subplot(gspec[start1:end1,0:2]))
axes.append(fig.add_subplot(gspec[start2:end2,0:2]))
axes.append(fig.add_subplot(gspec[start1:end1,2:4]))
axes.append(fig.add_subplot(gspec[start2:end2,2:4]))
axes.append(fig.add_subplot(gspec[end2,0:4]))

line, = axes[0].plot([0,1],[0,1],'b')           #add some data
axes[-1].legend((line,),('Test',),loc='center') #create legend on bottommost axis
axes[-1].set_axis_off()                         #don't show bottommost axis

fig.tight_layout()
plt.show()

---

以@gboffi 和 Ben Usman 的回答为基础：

在一种情况下，在不同的子图中具有相同颜色和标签的不同线条，人们可以按照以下方式做一些事情

labels_handles = {
  label: handle for ax in fig.axes for handle, label in zip(*ax.get_legend_handles_labels())
}

fig.legend(
  labels_handles.values(),
  labels_handles.keys(),
  loc="upper center",
  bbox_to_anchor=(0.5, 0),
  bbox_transform=plt.gcf().transFigure,
)

---

以上所有内容都超出了我的想象，在我的编码生涯的这种状态下，我刚刚添加了另一个称为补丁的 matplotlib 方面：

import matplotlib.patches as mpatches

first_leg = mpatches.Patch(color='red', label='1st plot')
second_leg = mpatches.Patch(color='blue', label='2nd plot')
thrid_leg = mpatches.Patch(color='green', label='3rd plot')
plt.legend(handles=[first_leg ,second_leg ,thrid_leg ])

补丁方面将我需要的所有数据放在我的最终图上（这是一个线图，将 3 个不同的线图组合在 jupyter notebook 的同一个单元格中）

结果（我将名称更改为我自己命名的图例）

https://i.stack.imgur.com/l49Uc.jpg

---