plt.legend为每个图设置图例

要为每个图设置图例，您可以使用`plt.legend()`函数。首先，您需要在每个图中绘制数据并为其添加标签。然后，您可以在图的最后调用`plt.legend()`函数，它将自动创建一个图例并将其添加到图中。

以下是一个示例代码，演示如何为每个图设置图例：

import matplotlib.pyplot as plt

# 绘制第一个图
plt.plot(x1, y1, label='图例1')
# 添加第二个数据集并标记为'图例2'
plt.plot(x2, y2, label='图例2')
# 添加第三个数据集并标记为'图例3'
plt.plot(x3, y3, label='图例3')

# 添加图例
plt.legend()

# 显示图形
plt.show()

在上面的示例中，我们使用`plt.plot()`函数绘制了三个不同的数据集，并为每个数据集添加了一个标签。然后，我们通过调用`plt.legend()`函数来创建和添加图例。最后，通过调用`plt.show()`函数来显示图形。

请注意，`plt.legend()`函数还有很多其他参数可以用来自定义图例的位置、样式等。您可以参考Matplotlib的文档以了解更多信息：[https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html](https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html)

相关问题

plt.legend()设置棱形图例

plt.legend()函数用于在matplotlib中设置图例。图例是用于标识不同数据系列的图形元素，以便更好地理解图表中的数据。下面是关于plt.legend()设置棱形图例的介绍：

1. 设置标签：在使用plt.plot()或其他绘图函数时，可以通过传递label参数来设置每个数据系列的标签。例如：

   plt.plot(x, y, label='数据系列1')
   plt.plot(x, z, label='数据系列2')

2. 创建图例：在绘制完所有数据系列后，可以使用plt.legend()函数创建图例。默认情况下，图例将根据标签自动创建。例如：

   plt.legend()

3. 设置图例位置：可以通过传递loc参数来设置图例的位置。常用的位置参数包括'best'（自动选择最佳位置）、'upper right'（右上角）、'lower left'（左下角）等。例如：

   plt.legend(loc='upper right')

4. 设置图例样式：可以通过传递handlelength、handletextpad、borderpad等参数来调整图例的样式。例如：

   plt.legend(handlelength=2, handletextpad=0.5, borderpad=0.5)

单组直方图的例子分组直方图的例子plt.text 设置数值标签plt.legend() 设置图例plt.gca() 坐标轴的设置一个完整

在Python的matplotlib库中，单组直方图是一个用于可视化数据分布的常见图表。例如，假设我们有一个包含身高数据的列表，我们可以创建一个直方图来展示不同身高的频率。

import matplotlib.pyplot as plt

# 假设我们有如下身高数据
heights = [165, 170, 175, 180, 185, 190, 195, 200]  # 示例数据

# 创建直方图
plt.hist(heights, bins=5)  # 分成5个区间

# 设置数值标签（横坐标）
for index, value in enumerate(range(160, 210, 5)):
    plt.text(value, heights[index], str(value), ha='center')

# 添加图例
plt.xlabel('身高 (cm)')
plt.ylabel('频数')
plt.title('单组身高分布直方图')
plt.legend(['身高分布'])

# 获取当前图形上下文并设置坐标轴范围
ax = plt.gca()
ax.set_xlim([155, 205])  # 调整x轴范围
ax.set_ylim([0, max(heights)+10])  # 调整y轴范围

# 显示图形
plt.show()

在这个例子中，`plt.hist()`函数创建了直方图，`plt.text()`用于添加每个区间中心点的数值标签，`plt.legend()`设置了图例，`plt.gca().set_xlim()`和`plt.gca().set_ylim()`则是调整了坐标轴的刻度范围。通过这种方式，你可以清晰地看到各个身高的分布情况。