可视化不同方法在各种超参数（或者不同数据集）的性能时，若用多个子图形式可视化，则图太小啦；若每个子图弄成单独的figure，则每个张图都有一个图例显得非常冗余，如图1所示。
图1 每张图都有一个图例（非常冗余，并且有的数据被遮挡）
2、期望达到的效果，如图2所示解决方案：两个子图都不需要设置图例，图例单独用一个figure来显示（自定义图例）
图2 期望的效果
3、自定义图例matplotlib代码实现 （1）方法一：利用Patch以及Line2D自定义图例- 缺点：暂时只能定义直线的图的图例；散点图的图例不行；
- 优点：运行该代码后，Figure 1就是我们想要的图例图。
import matplotlib.pyplot as plt
import matplotlib.lines as lines
import matplotlib.patches as mpatches
# 自定义图例标记
line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green')
line2 = lines.Line2D([0], [0], label='line2', marker='X', lw=2, c='blue')
patch1 = mpatches.Patch(color='purple', label='patch1')
patch2 = mpatches.Patch(color='red', label='patch2')
# 构造图例
# plt.figure() figsize: default: [6.4, 4.8]
handles = [line1, line2, patch1, patch2]
# 注意根据图例的行数调整figsize的高度（i.e., 0.32）
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=handles, mode='expand', ncol=4, borderaxespad=0)
"""
legend常见参数设置
borderpad:控制上下边距(default=0.4)
borderaxespad:控制legend与图边框的距离(default=0.5)
handlelength: handle与legend边框的距离(default=2)
handletextpad: handle与text之间的距离(default=0.8)
mode='expand', 水平展示图例
frameon=False: 不要图例边框
edgecolor: 图例边框颜色
fontsize: 图例字体大小
ncol=4 水平图例的个数
"""
ax.axis('off') # 去掉坐标的刻度
plt.show()
（1.1）方法一可视化效果，如图3所示
图3 方法一可视化效果
（2）方法二：利用plt自定义图例- 缺点：会显示2个Figure，其中Figure 2才是我们想要的图例图；
- 优点：和我们以前画图的方式一样（更加简单），并且能够构建散点图的图例；
import matplotlib.pyplot as plt
# plt.plot()返回值后面要加一个逗号，不然会报错；若使用Line2D就不需要逗号
# 注意：range(10)是随机取的值，这里只需要它的图例图。
l1, = plt.plot(range(10), label='line1', marker='o', lw=2, c='green')
l2, = plt.plot(range(10), label='line2', marker='X', lw=2, c='blue')
s1 = plt.scatter(range(10), range(10), label='scatter1', marker='+')
s2 = plt.scatter(range(10), range(10), label='scatter2', marker='+')
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=[l1, l2, s1, s2], labels=list('abcd'), mode='expand', ncol=4, borderaxespad=0)
# ax.legend(handles=[l1, s1], labels=list('ab'), mode='expand', ncol=4, borderaxespad=0) # 若只需要显示部分曲线/散点图的图例时
ax.axis('off') # 去掉坐标的刻度
plt.show()
（2.1）方法二可视化效果，如图4所示
图4 方法三的可视化效果，其中Figure 2就是我们需要的图
（3）方法三：混合实验方法一和方法二import matplotlib.pyplot as plt
import matplotlib.lines as lines
import matplotlib.patches as mpatches
# 自定义图例标记
line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green')
# 注意line2后面的逗号
line2, = plt.plot([0], [0], label='line2', marker='X', lw=2, c='blue')
s = plt.scatter([0], [0], label='scatter', marker='+')
patch1 = mpatches.Patch(color='purple', label='patch1')
# patch2 = mpatches.Patch(color='red', label='patch2')
# 构造图例
# plt.figure() figsize: default: [6.4, 4.8]
handles = [line1, line2, patch1, s]
# 注意根据图例的行数调整figsize的宽（i.e., 0.32）
fig, ax = plt.subplots(figsize=(6.4, 0.32))
ax.legend(handles=handles, mode='expand', ncol=4, borderaxespad=0)
"""
legend常见参数设置
axes：图框; handle:图例的每个元素; text:图例每个元素对应name
borderpad:控制上下边距(default=0.4)
borderaxespad:控制legend与图边框的距离(default=0.5)
handlelength: handle与legend边框的距离(default=2)
handletextpad: handle与text之间的距离(default=0.8)
mode='expand', 水平展示图例
frameon=False: 不要图例边框
edgecolor: 图例边框颜色
fontsize: 图例字体大小
ncol=4 水平图例的个数
"""
# plt.scatter
ax.axis('off') # 去掉坐标的刻度
plt.show()
（3.1）方法三的可视化效果如图5所示
图5 方法三可视化修改，其中Figure 2就是我们需要的图例图
（4）总结# 导入对应的模块 from matplotlib import lines import matplotlib.pyplot as plt from matplotlib import patches a. 定义线图例 # 方法1 line1 = lines.Line2D([0], [0], label='line1', marker='o', lw=2, c='green') # 方法2，注意别丢逗号 line2, = plt.plot([0], [0], label='line2', marker='X', lw=2, c='blue') b. 定义矩形图例 path1 = mpatches.Patch(color=’red’, label=’patch’) c. 定义散点图图例 s1 = plt.scatter([0], [0], label='scatter', marker='+') d. 显示图例 handles = [line1, path1, line2, s1] fig, ax = plt.subplots(figsize=(6.4, 0.32)) # 根据行数更改0.32 ax.legend(handles=handles, mode=’expand’, ncol=4, borderaxespad=0) ax.axis(“off”) # 去掉坐标刻度
