python数据绘图-legend图例位置调整优化
上一篇中我们使用twinx()函数绘制了双轴图像，但是如果两个图像都添加图例，就会出现图例重叠的问题，需要我们手动设置图例位置来调整。
可以通过以下参数进行调整
- loc：九分位
- borderaxespad：向图像中心|外部移动
- bbox_to_anchor：上下左右移动
粗调位置：loc+borderaxespad
粗调图例位置把整个图像等分为9块
如果两个图例重叠，把一个图例放在1号位，另一个放在2号位是可以解决重复的问题，但是观感很丑，此时就需要通过坐标对图例的位置进行精调
通过坐标调位置有两个参数
1、borderaxespad（border：边界，axes是axis坐标轴的复数形式）
borderaxespad参数结合loc参数一起使用，loc表示图例在哪个位置，borderaxespad就以哪个位置作为图例的锚点，例如：
loc=1(表示图例位于图像的右上角)，borderaxespad就表示图例右上角和图像右上角的距离
loc=2(表示图例位于图像的左上角)，borderaxespad就表示图例左上角和图像左上角的距离
...以此类推，borderaxespad正数表示向图像内部移动，负数表示向图像外部移动
以下为一些示例
2、bbox_to_anchor（anchor：锚）
borderaxespad和loc组合的情况适用于只有一个图例时调整位置，因为不能上下移动，所以很难做到两个以上的图例对齐排列，这时可以使用bbox_to_anchor参数
先按照比较夸张的数据看一下示例:
bbox_to_anchor=(图例距离图像左边的距离,图例距离图de'd像底边的距离)
bbox_to_anchor=(1.5,2)
示例
以上一篇帕累托组合图表为例，实操一下调整图例位置的方法
使用loc简单调整
#pip install matplotlib
import matplotlib.pyplot as plt
#设置中文字体
plt.rcParams["font.sans-serif"]="Arial Unicode MS"
#创建画布
plt.figure()
#创建柱状图
plt.bar(group2.index,group2['客户数'],label='转化客户数')
plt.legend(loc=3)
plt.xlabel("转化周期")#X轴
plt.ylabel("转化客户数")#Y轴
plt.title('转化窗口期')#标题
#在原图基础上叠加图像，需要先创建一个新纵坐标轴
plt.twinx()
#折线图
plt.plot(group2.index,group2["累计客户数占比"],color="orange",marker="o",label="转化客户占比")
plt.grid(linestyle='-.',color='SkyBlue')#python颜色英文https://zhuanlan.zhihu.com/p/548152652https://zhuanlan.zhihu.com/p/548152652
plt.legend(loc=4)#显示图例
plt.ylabel("累计转化客户占比")
#显示图像
plt.show()产出结果
使用bbox_to_anchor精细调整
#pip install matplotlib
import matplotlib.pyplot as plt
#设置中文字体
plt.rcParams["font.sans-serif"]="Arial Unicode MS"
#创建画布
plt.figure()
#创建柱状图
plt.bar(group2.index,group2['客户数'],label='转化客户数')
plt.legend(bbox_to_anchor=(1.1,1.15))
plt.xlabel("转化周期")#X轴
plt.ylabel("转化客户数")#Y轴
plt.title('转化窗口期')#标题
#在原图基础上叠加图像，需要先创建一个新纵坐标轴
plt.twinx()
#折线图
plt.plot(group2.index,group2["累计客户数占比"],color="orange",marker="o",label="转化客户占比")
plt.grid(linestyle='-.',color='SkyBlue')#python颜色英文https://zhuanlan.zhihu.com/p/548152652https://zhuanlan.zhihu.com/p/548152652
plt.legend(bbox_to_anchor=(1.13,1.25))#显示图例
plt.ylabel("累计转化客户占比")
#显示图像
plt.show()
产出结果
