Df.plot怎么设置图例的位置

在使用 `df.plot()` 函数绘制图形时，可以使用 `legend` 参数来控制图例的位置。具体来说，可以将 `legend` 设置为一个字符串，如 `'upper left'`、`'upper right'`、`'lower left'`、`'lower right'`、`'center left'`、`'center right'`、`'lower center'`、`'upper center'` 或 `'center'`，来调整图例的位置。

例如，在绘制折线图时，可以使用以下代码将图例放置在图形的右下角：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})
ax = df.plot()
ax.legend(loc='lower right')
plt.show()

运行这段代码会绘制一个包含两条折线的图形，并将图例放置在图形的右下角。

相关问题

plt.plot(df.index[train_size:], df.values[train_size:], label='Real Data') plt.plot(df.index[train_size:], rev, label='Predicted Data')

这段代码使用了 `plt.plot()` 函数绘制了两条曲线，分别代表实际数据和预测数据。

第一条曲线使用了 `df.index[train_size:]` 和 `df.values[train_size:]` 作为 x 轴和 y 轴数据，分别表示实际数据的时间序列和数值。其中，`df.index[train_size:]` 表示时间序列的切片，从第 `train_size` 个时间点开始，一直到最后一个时间点；`df.values[train_size:]` 表示数值的切片，也是从第 `train_size` 个时间点开始，一直到最后一个时间点。

第二条曲线使用了 `df.index[train_size:]` 和 `rev` 作为 x 轴和 y 轴数据，分别表示预测数据的时间序列和数值。其中，`df.index[train_size:]` 表示时间序列的切片，与第一条曲线保持一致；`rev` 表示预测数据的数值序列，即经过反向恢复后的原始序列。

这两条曲线分别用 `'Real Data'` 和 `'Predicted Data'` 作为标签，通过 `label` 参数传递给 `plt.plot()` 函数，最后使用 `plt.legend()` 函数添加图例，方便对比。

ax.plot(df.index, df["Los Angeles"], label="Los Angeles") ax.plot(df.index, df["San Francisco"], label="San Francisco")

这是一段使用 Matplotlib 绘制线图的 Python 代码。通过 ax.plot() 函数，可以传递两个参数，分别是 x 轴数据和 y 轴数据，然后使用 label 参数指定曲线的标签。在本段代码中，我们使用了两个数据集 "Los Angeles" 和 "San Francisco"，并在图例中指明了每个数据集的标签。