plt.legend(['correlation', 'RMSE', 'IVS Score'])如何去掉边框

可以使用 `plt.legend(frameon=False, ...)` 来去掉图例边框，其中 `frameon=False` 表示不显示边框。例如：

import matplotlib.pyplot as plt

# 绘制示例图
fig, ax = plt.subplots()
ax.plot([1,2,3],[4,5,6], label='correlation')
ax.plot([1,2,3],[5,6,7], label='RMSE')
ax.plot([1,2,3],[2,3,4], label='IVS Score')

# 设置图例并去掉边框
ax.legend(frameon=False)
plt.show()

运行后可以看到，图例边框已经被去掉了。

相关问题

plt.rcParams['font.sans-serif'] = ['SimHei'] plt.figure() plt.title('参数C的学习曲线') plt.plot(a, train_score, label='train_score') plt.plot(a, score, label='text_score') plt.legend() plt.show()

这段代码使用Matplotlib库绘制了SVM算法中参数C的学习曲线。具体来说，代码首先通过plt.rcParams['font.sans-serif'] = ['SimHei']指定了绘图所使用的字体为SimHei，以支持中文显示。然后，代码创建了一个新的图形窗口，并使用plt.title函数设置该图形的标题为“参数C的学习曲线”。接着，代码使用plt.plot函数分别绘制了训练集和测试集上分类准确率随参数C变化的曲线，其中a表示参数C的取值范围，train_score表示训练集上的分类准确率，score表示测试集上的分类准确率。最后，代码使用plt.legend函数添加图例，并使用plt.show函数显示图形窗口。通过观察学习曲线，可以确定SVM算法中参数C的最优取值范围，以达到最佳的分类效果。

plt.legend(['correlation', 'RMSE', 'IVS Score'])如何让图例横着摆放

可以使用 `plt.legend` 函数的 `orientation` 参数来设置图例的方向。将 `orientation` 参数设置为 `'horizontal'` 或 `horizontal'` 可以让图例横着摆放。例如：

plt.legend(['correlation', 'RMSE', 'IVS Score'], orientation='horizontal')

这将把图例水平放置。如果想要更改图例的位置，可以使用 `loc` 参数。例如：

plt.legend(['correlation', 'RMSE', 'IVS Score'], orientation='horizontal', loc='lower center')

这将把图例水平放置在图像底部中央位置。