如何用Seaborn/Matplotlib绘制指定折线图？代码需简短且图例置底

一、Seaborn 常规API实现（≤10行，适合书籍展示） #

用Seaborn经典API可快速生成符合要求的图表，代码简洁易懂：

import seaborn as sns
import matplotlib.pyplot as plt

sns.lineplot(data=df, x="rel_td", y="aret_ew", hue="Earnings news")
plt.legend(title="盈利新闻", bbox_to_anchor=(0.5, -0.15), loc="upper center", ncol=3)
plt.tight_layout()
plt.show()

通过bbox_to_anchor将图例定位到图表下方居中，ncol控制图例列数避免拥挤，tight_layout自动调整布局防止图例被截断。

二、Seaborn Objects 图例问题修复 #

若偏好Seaborn的声明式Objects API，只需配置图例位置参数即可解决之前的问题：

import seaborn.objects as so

(so.Plot(df, x="rel_td", y="aret_ew", color="Earnings news")
 .add(so.Line())
 .legend(title="盈利新闻", loc="upper center", bbox_to_anchor=(0.5, -0.15), ncol=3)
 .tight_layout()
 .show())

链式调用风格和plotnine类似，语法直观，代码同样控制在10行内。

三、Matplotlib 原生极简实现 #

如果需要更底层的控制，Matplotlib原生代码也能满足要求：

import matplotlib.pyplot as plt

for group, data in df.groupby("Earnings news"):
    plt.plot(data["rel_td"], data["aret_ew"], label=group)
plt.legend(title="盈利新闻", bbox_to_anchor=(0.5, -0.15), loc="upper center", ncol=3)
plt.tight_layout()
plt.show()

四、工具对比：plotnine vs Seaborn/Matplotlib #

• plotnine的类ggplot声明式语法在处理分组可视化时确实更直观，链式调用能一站式完成图层、配色、图例等配置，对熟悉R ggplot的用户友好度拉满。
• Seaborn常规API胜在快速便捷，代码量极低；Objects API则兼顾了声明式风格和Python生态，解决图例问题后，简洁度和plotnine不相上下。
• 原生Matplotlib灵活性最高，但代码相对繁琐，适合需要深度定制的场景。

如果你的核心需求是书籍中的极简示例代码，Seaborn两种方案都能达标；如果习惯声明式可视化逻辑，plotnine在可读性和简洁性上确实更有优势。

内容的提问来源于stack exchange，提问作者Ian Gow