本文旨在帮助你理解在使用 Seaborn 函数式 API 和 Objects API 时，获取图例句柄和标签的不同方法。重点介绍 Seaborn Objects API 中图例的处理方式，并通过示例代码演示如何正确提取图例信息。
在使用 Seaborn 进行数据可视化时，图例是解释图中不同元素含义的关键。Seaborn 提供了两种主要的 API 接口：函数式 API 和 Objects API。虽然两者都能生成美观的图表，但在处理图例的方式上存在差异。本文将重点讨论如何在使用 Seaborn Objects API 时获取图例的句柄和标签。
函数式 API 与 Objects API 的图例处理差异
在使用 Seaborn 的函数式 API（例如 sns.scatterplot）时，图例通常会添加到 Axes 对象上。因此，我们可以通过 ax.get_legend_handles_labels() 方法直接从 Axes 对象获取图例的句柄和标签。
例如：
import seaborn as sns
import pandas as pd
# 假设 peng 是一个包含数据的 DataFrame
peng = sns.load_dataset('penguins')
p = sns.scatterplot(data=peng, x='island', y='bill_length_mm', hue='species', style='sex')
h, l = p.get_legend_handles_labels()
print(l)输出结果类似：['species', 'Adelie', 'Chinstrap', 'Gentoo', 'sex', 'Male', 'Female']
然而，在使用 Seaborn Objects API 时，图例的处理方式有所不同。Objects API 将图例添加到 Figure 对象上，而不是 Axes 对象。这意味着直接从 Axes 对象调用 get_legend_handles_labels() 方法会返回空列表。
Objects API 中获取图例句柄和标签的方法
要从 Seaborn Objects API 生成的图表中获取图例句柄和标签，需要访问 Plot 对象的 _legend_contents 属性。该属性是一个列表，其中包含每个图例的信息。
以下是一个示例：
import seaborn.objects as so
p = (
so.Plot(data=peng, x='island', y='bill_length_mm', color='species',
pointsize='species', fill='sex', marker='sex')
.layout(size=(6,5))
.add(so.Dots(stroke=0.5), so.Jitter(0.4))
.scale(marker=["o", (6, 2, 1)], pointsize=(6,8), color='flare')
.plot()
)
for key, artists, labels in p._legend_contents:
print(f'{key[0]}: {labels}')这段代码首先使用 Seaborn Objects API 创建一个散点图。然后，它遍历 p._legend_contents 列表，提取每个图例的键（例如，'species' 或 'sex'）和标签。
输出结果类似：
species: ['Adelie', 'Gentoo', 'Chinstrap'] sex: ['male', 'female']
注意事项
- _legend_contents 是一个私有属性，以 _ 开头。这意味着 Seaborn 可能会在未来的版本中更改其实现，因此依赖此属性的代码可能需要进行调整。
- _legend_contents 属性的结构可能因图表的复杂程度而异。在更复杂的图表中，可能需要更复杂的逻辑来提取所需的图例信息。
- 尽量避免直接访问私有属性，而是寻找更稳定的公共 API 来实现相同的功能。虽然目前 _legend_contents 是可用的，但未来可能会有更好的替代方案。
总结
本文介绍了在使用 Seaborn Objects API 时获取图例句柄和标签的方法。与函数式 API 不同，Objects API 将图例添加到 Figure 对象上，而不是 Axes 对象。因此，需要通过访问 Plot 对象的 _legend_contents 属性来提取图例信息。虽然这种方法有效，但也需要注意其潜在的风险，并尝试寻找更稳定的公共 API 来实现相同的功能。通过理解这些差异，你可以更有效地使用 Seaborn 进行数据可视化，并更好地控制图例的显示。
