在数据分析中，我们经常会用到 Matplotlib 这个绘图库。Matplotlib 提供了丰富的绘图功能，可以很方便地绘制直方图、散点图、折线图等。在使用 Matplotlib 时，有时需要自定义图例，这时候就需要用到参数 bar_label。然而，你可能不知道的是，axessubplot 对象并没有这个属性。这就意味着，如果你想要在这个图例位置显示文本标签，那么你就需要自己动手实现。
首先，我们需要创建一个图例。我们可以通过 plt.legend() 函数来创建，如下所示：
import matplotlib.pyplot as plt
# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 25, 18]
# 绘制散点图
plt.scatter(x, y)
# 创建图例
plt.legend(['A', 'B', 'C', 'D', 'E'])
# 显示图形
plt.show()在上面的代码中，我们通过 plt.legend() 函数创建了一个图例，这个图例包含了四个小标签，分别对应于列表中的元素。
接下来，我们可以在同一个图表中添加多个子图，并在每个子图中创建自己的图例。例如：
import matplotlib.pyplot as plt
# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 25, 18]
# 绘制散点图
plt.scatter(x, y)
# 创建第一个子图
fig, ax1 = plt.subplots()
# 在第一个子图中创建图例
ax1.bar('A', 10, label='Subplot 1')
# 创建第二个子图
fig, ax2 = plt.subplots()
# 在第二个子图中创建图例
ax2.bar('B', 20, label='Subplot 2')
# 创建第三个子图
fig, ax3 = plt.subplots()
# 在第三个子图中创建图例
ax3.bar('C', 15, label='Subplot 3')
# 创建第四个子图
fig, ax4 = plt.subplots()
# 在第四个子图中创建图例
ax4.bar('D', 25, label='Subplot 4')
# 显示图形
plt.show()在上面的代码中，我们在同一个图表中添加了四个子图，并在每个子图中创建了自己的图例。同时，我们还给每个图例添加了标签。
总之，在使用 Matplotlib 的过程中，如果需要自定义图例，可以使用 plt.legend() 函数来创建。即使 axessubplot 对象没有这个属性，我们也可以通过自己编写代码来实现这个功能。
随时随地看视频
