Matplotlib绘制DataFrame时如何无需额外调用添加自定义图例？

嘿，这个问题我之前也遇到过，刚好有几个实用的解决方案，帮你实现用pandas DataFrame绘图时自定义标签，还不用手动调用ax.legend()：

方案1：重命名DataFrame的列（最推荐） #

pandas的df.plot()默认会用DataFrame的列名作为图例标签，而且会自动生成图例，不需要手动调用legend()。所以最简单的方法就是把列名改成你想要的自定义标签：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的原始数据（单列DataFrame）
df = pd.DataFrame({'Value': [1.05, 1.06, 1.04, 1.03, 1.07]}, 
                  index=pd.date_range('2024-01-01', periods=5))
# 计算3日移动平均线
rolling_mean = df.rolling(window=3).mean()

# 重命名列，设置自定义标签
df_renamed = df.rename(columns={'Value': 'FRED/DEXUSEU'})
rolling_mean_renamed = rolling_mean.rename(columns={'Value': '3-day SMA'})

# 绘图：自动用列名作为标签，自动显示图例
fig, ax = plt.subplots()
df_renamed.plot(ax=ax, linewidth=1)
rolling_mean_renamed.plot(ax=ax, linewidth=1)

plt.show()

这样运行后，图例会自动显示，标签就是你设置的列名，完全不需要手动调用ax.legend()。

方案2：使用Series.plot()传递label参数 #

如果不想修改原始DataFrame的列名，可以把单列DataFrame转换成Series，然后用Series.plot()的label参数设置自定义标签。不过这里要注意：虽然label参数生效了，但pandas不会自动帮你调用legend()，不过你可以在最后用ax.legend()一次性设置，代码依然很简洁：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'Value': [1.05, 1.06, 1.04, 1.03, 1.07]}, 
                  index=pd.date_range('2024-01-01', periods=5))
rolling_mean = df.rolling(window=3).mean()

fig, ax = plt.subplots()
# 转换成Series，传递label参数
df['Value'].plot(ax=ax, linewidth=1, label='FRED/DEXUSEU')
rolling_mean['Value'].plot(ax=ax, linewidth=1, label='3-day SMA')

# 只需要一次调用legend，不用手动传标签
ax.legend()

plt.show()

为什么你之前的df.plot(label=...)无效？ #

这里要解释下：pandas的DataFrame.plot()的label参数并不是用来设置单列表格的折线标签的——这个参数主要用于绘制多列汇总图（比如箱线图、直方图）时的整体标签，对于单列的折线图，它会优先使用列名作为图例标签，所以你传递的label参数会被忽略。而Series.plot()因为只有一列，所以label参数会直接生效。

总结一下，如果你想完全不用手动调用legend()，**方案1（重命名列）**是最直接的选择；如果不想修改数据，方案2也能满足需求，只需要一次简单的legend()调用。

内容的提问来源于stack exchange，提问作者dabadaba