python中matplotlib.pyplot使用（二）—— plt.legend()函数的理解与使用

图例展示：
对视图中的不同数据进行标注，就是图例展示

1、不使用plt.legend()时：

#导入所需要的包
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#生成模拟数据
train_X = np.linspace(-1, 1, 100) #在[-1,1]之间生成100个数作为x
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3 # 将x乘以2，再加上一个[-1,1]区间的随机数*0.3作为加入的噪声

#显示模拟数据点
plt.plot(train_X, train_Y, 'ro', label='Original data') #画出散点图

可以发现虽然我使用了图例的名称(label=‘Original data’),但是运行结果并没有显示出来。

2、使用plt.legend()时：

#导入所需要的包
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#生成模拟数据
train_X = np.linspace(-1, 1, 100) #在[-1,1]之间生成100个数作为x
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3 # 将x乘以2，再加上一个[-1,1]区间的随机数*0.3作为加入的噪声

#显示模拟数据点
plt.plot(train_X, train_Y, 'ro', label='Original data') #画出散点图
plt.legend()#使上述代码产生效果：如图例的名称
plt.show()

可以发现，在使用plt.legend()后，在运行结果里图例名称显示出来了！