当标记设置为像素时如何更改图例中的标记大小/比例

Question

我正在用一个非常小的标记散点图数据点（见下面的屏幕截图）。当我使用非常小的标记 ',' 时，图例很难阅读（示例代码取自此处）。
（Python 3，Jupyter 实验室）

如何增加图例中标记的大小。上述网站上显示的两个版本不起作用：

legend = ax.legend(frameon=True)  
for legend_handle in legend.legendHandles:  
    legend_handle._legmarker.set_markersize(9)

和

ax.legend(markerscale=6)

然而，当标记设置为“.”时，这两种解决方案确实有效。
如何在图例中显示更大的制造商？

来自intoli.com 的示例代码：

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(12)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

for i in range(5):
    mean = [np.random.random()*10, np.random.random()*10]
    covariance = [ [1 + np.random.random(), np.random.random() - 1],  [0, 1 + np.random.random()], ]
    covariance[1][0] = covariance[0][1]  # must be symmetric
    x, y = np.random.multivariate_normal(mean, covariance, 3000).T
    plt.plot(x, y, ',', label=f'Cluster {i + 1}')

ax.legend(markerscale=12)

fig.tight_layout()
plt.show()

Answer 1

plot通过将标记大小设置为 1 像素，您可以获得 1 像素大小的标记。这看起来像

plt.plot(x, y, marker='s', markersize=72./fig.dpi, mec="None", ls="None")

上面所做的是将标记设置为正方形，将标记大小设置为 ppi（每英寸点数）除以 dpi（每英寸点数）== 点数 == 像素，并删除线条和边缘。

那么您markerscale在图例中尝试使用的解决方案效果很好。

完整示例：

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(12)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

for i in range(5):
    mean = [np.random.random()*10, np.random.random()*10]
    covariance = [ [1 + np.random.random(), np.random.random() - 1],  [0, 1 + np.random.random()], ]
    covariance[1][0] = covariance[0][1]  # must be symmetric
    x, y = np.random.multivariate_normal(mean, covariance, 3000).T
    plt.plot(x, y, marker='s', markersize=72./fig.dpi, mec="None", ls="None", 
             label=f'Cluster {i + 1}')

ax.legend(markerscale=12)

fig.tight_layout()
plt.show()

Answer 2

根据此讨论，markersize当使用像素 ( ,) 作为标记时， 没有任何效果。生成自定义图例怎么样？例如，通过改编本教程中的第一个示例，可以获得一个相当不错的图例：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

np.random.seed(12)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

for i in range(5):
    mean = [np.random.random()*10, np.random.random()*10]
    covariance = [ [1 + np.random.random(), np.random.random() - 1],  [0, 1 + np.random.random()], ]
    covariance[1][0] = covariance[0][1]  # must be symmetric
    x, y = np.random.multivariate_normal(mean, covariance, 3000).T
    plt.plot(x, y, ',', label=f'Cluster {i + 1}')



##generating custom legend
handles, labels = ax.get_legend_handles_labels()
patches = []
for handle, label in zip(handles, labels):
    patches.append(mpatches.Patch(color=handle.get_color(), label=label))

legend = ax.legend(handles=patches)

fig.tight_layout()
plt.show()

输出如下所示：