python把标签图例放图外的下面自动放在外侧

plt.legend(bbox_to_anchor=(0.5, -0.2),loc=8,ncol=10) # , borderaxespad=0bbox_to_anchor=(0.5, -0.2) 这个自己调整几次就大概知道了，0.5与图例的水平方向有关，-0.2与图例的垂直方向有关参考文献：Python_matplotlib画图时图例说明(legend)放到图像外侧...

mohana48833985

15418人浏览 · 2020-08-02 17:09:15

mohana48833985 · 2020-08-02 17:09:15 发布

参数loc：
在这里插入图片描述

plt.legend(bbox_to_anchor=(0.5, -0.2),loc=8,ncol=10) # , borderaxespad=0

在这里插入图片描述
bbox_to_anchor=(0.5, -0.2) 这个自己调整几次就大概知道了，0.5与图例的水平方向有关，-0.2与图例的垂直方向有关
ncol的意思如下图：

在这里插入图片描述
参考文献：Python_matplotlib画图时图例说明(legend)放到图像外侧

图例自动放在外侧

num1 = 1.01
num2 = 0.5
num3 = 3
num4 = 0
plt.legend(bbox_to_anchor=(num1, num2), loc=num3, borderaxespad=num4)

在这里插入图片描述

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

写作压力小了！8个AI论文网站深度测评，专科生毕业论文+开题报告全攻略

2048 AI社区

SWE-smith: Scaling Data for Software Engineering Agents

摘要：本文提出SWE-smith工具包，用于自动化生成大规模软件工程训练数据。针对现有数据集规模小、构建成本高的问题，SWE-smith通过四种自动缺陷生成策略（语言模型重写、AST修改、PR撤销、缺陷组合），在128个Python代码库中生成5万条任务实例，规模比现有工作大一个数量级。该工具仅需20小时人工投入，显著降低了数据收集成本。基于SWE-smith数据训练的32B参数模型SWE-age