Python 循环浏览2个列表

我想根据其中一个列表是否完成了一个循环，循环浏览2个不同的列表。具体来说，我想更改绘图中数据点的符号和颜色

这就是我目前正在做的：

将熊猫作为pd导入
进口itertools
导入seaborn作为sns
将matplotlib.pyplot作为plt导入
%matplotlib内联
markers=itertools.cycle（['.'，'1'，'+'，'x']）
colors=itertools.cycle（['r'，'g']）
类别=[“类别1”]*5+[“类别2”]*5+[“类别3”]*7
VAL=[1,1.2,1.3,1.4,1.5]+[2,2.2,2.3,2.4,2.5]+[3,3.1,3.2,3.3,3.4,3.5,3.6]
VAL2=[x**2表示VAL中的x]
p_df=pd.DataFrame（{“class”：classes，“vals”：vals，“vals2”：vals2}）
图，ax=plt.子批次（图尺寸=（8,6））
对于标签，p_df.groupby（'class'）中的df：
df.plot.scatter（x='vals'，y='vals2'，ax=ax，label=label，color=next（颜色），marker=next（标记））
plt.legend（）

但这并不是我想要的，因为我和颜色同时迭代标记。我想先完成颜色的迭代，然后移动到下一个标记。所以序列是这样的

第一个绘图，'.'标记，'r'颜色

第二个绘图，'.'标记，'g'颜色

第三个绘图，“1”标记，“r”颜色

第四个绘图，“1”标记，“g”颜色

。。。等等

我想到的一种方法是跟踪已经完成的绘图数量，然后从那里调用下一个marker。但这似乎不是一个好方法来迭代更复杂的绘图和更多的for循环进行绘图

有什么建议吗？

使用：

正如在一条评论中指出的那样（很抱歉，由于它已被删除，所以不能使用属性），如果您需要重用组合，您可以始终将其包装在

itertools.cycle（）

中：

---

这是一个常见的问题，因此

matplotlib

现在包括，用于编写此类内容。然后可以像这样替换

itertools.cycles

import pandas as pd
from cycler import cycler
import seaborn as sns
import matplotlib.pyplot as plt

markers = cycler(marker='.1+x')
colors = cycler(color='rg')

style = iter(markers * colors)

classes = ["class 1"] * 5 + ["class 2"] * 5 + ["class 3"] * 7
vals = [1,1.2,1.3,1.4,1.5] + [2,2.2,2.3,2.4,2.5] + [3,3.1,3.2,3.3,3.4,3.5,3.6]
vals2 = [x**2 for x in vals]
p_df = pd.DataFrame({"class": classes, "vals": vals, "vals2": vals2})

fig, ax = plt.subplots(figsize=(8,6))
for label, df in p_df.groupby('class'):
    df.plot.scatter(x='vals', y='vals2', ax=ax, label=label, **next(style))
plt.legend()

要查看循环是如何组成的，您可以执行以下操作

for i in (markers * colors):
    print(i)

哪张照片

{'marker': '.', 'color': 'r'}
{'marker': '.', 'color': 'g'}
{'marker': '1', 'color': 'r'}
{'marker': '1', 'color': 'g'}
{'marker': '+', 'color': 'r'}
{'marker': '+', 'color': 'g'}
{'marker': 'x', 'color': 'r'}
{'marker': 'x', 'color': 'g'}

---

Matplotlib的循环器

允许在属性中自动循环。但这只适用于
绘图
（不适用于
分散
）。但是，使用
绘图
可以更有效地生成单色散射

import pandas as pd
import matplotlib.pyplot as plt


markers = plt.cycler(marker=['.', '1', '+', 'x'])
colors = plt.cycler(color=['r', 'g'])

classes = ["class 1"] * 5 + ["class 2"] * 5 + ["class 3"] * 7
vals = [1,1.2,1.3,1.4,1.5] + [2,2.2,2.3,2.4,2.5] + [3,3.1,3.2,3.3,3.4,3.5,3.6]
vals2 = [x**2 for x in vals]
p_df = pd.DataFrame({"class": classes, "vals": vals, "vals2": vals2})

fig, ax = plt.subplots(figsize=(8,6))
ax.set_prop_cycle(markers*colors)
for label, df in p_df.groupby('class'):
    ax.plot("vals", "vals2", linestyle="", data=df)
plt.legend()
plt.show()

islice（cycle（product（markers，colors）），N）如果你想让他们按照这个模式重复计数N，或者如果这就是你想要的。谢谢你推荐包装器。
{'marker': '.', 'color': 'r'}
{'marker': '.', 'color': 'g'}
{'marker': '1', 'color': 'r'}
{'marker': '1', 'color': 'g'}
{'marker': '+', 'color': 'r'}
{'marker': '+', 'color': 'g'}
{'marker': 'x', 'color': 'r'}
{'marker': 'x', 'color': 'g'}

import pandas as pd
import matplotlib.pyplot as plt


markers = plt.cycler(marker=['.', '1', '+', 'x'])
colors = plt.cycler(color=['r', 'g'])

classes = ["class 1"] * 5 + ["class 2"] * 5 + ["class 3"] * 7
vals = [1,1.2,1.3,1.4,1.5] + [2,2.2,2.3,2.4,2.5] + [3,3.1,3.2,3.3,3.4,3.5,3.6]
vals2 = [x**2 for x in vals]
p_df = pd.DataFrame({"class": classes, "vals": vals, "vals2": vals2})

fig, ax = plt.subplots(figsize=(8,6))
ax.set_prop_cycle(markers*colors)
for label, df in p_df.groupby('class'):
    ax.plot("vals", "vals2", linestyle="", data=df)
plt.legend()
plt.show()