Python 绘制散点图，其中点的颜色取决于数据类别

我有一个数据列表

X

，它是一个Nx2矩阵。我想将每个

X

的第一个元素与

X

的所有第二个元素进行对比。 首先，我将

X

的所有第一个和第二个元素分离到它们自己的列表中：

X_comp1

，

X_comp2

我还有一个Nx1类别列表（cat），它显示X元素属于哪个类别，即如果

cat[I]=3

，这意味着

X[I]

属于类别3

我想在散点图中为每个类别使用不同颜色的点

到目前为止，我只能通过硬编码来实现这一点，但当有更多的类别时，这将变得非常低效。 这是我的代码（它假设有5个类别）：

我想让它对类别的数量更加灵活，这样我就不必为每个类别编写大量的if语句

为了实现这一点，我想到了一个颜色列表：

colours = ["b", "g", "r", "c", "m",...]#number of colours depends on no. of categories
#This is the only element which I would like remain hard coded, as I want to choose the colours

其中每种颜色对应一个类别。然后程序迭代所有数据，并根据类别绘制每个点。但我不确定这是如何实现的。

试试这个

color_dict={1:b'，2:g'，3:r'，4:c'，5:m'}
对于拉链中的x1、x2、c（X_组件1、X_组件2、cat）：
如果颜色为c，则：
plt.散射（x1，x2，c=color_dict[c]）
plt.图例（列表（颜色索引键（））
plt.show（）

---

不必使用字典检查

c

的每一个值，我们可以删除所有if语句

以获得一个漂亮的绘图，您还可以使用

seaborn

：

import seaborn as sns
import pandas as pd
sns.set()
df = pd.DataFrame({'X_1': X_comp1,'X_2':X_comp2, 'category':cat})
sns.scatterplot(data=df,x='X_1', y='X_2', hue='category')

如果您关心哪个类别应该有什么颜色，您可以使用自己的类别颜色dict传递

调色板

参数：

my_palette = {1: 'b', 2: 'g', 3: 'r', 4: 'c', 5: 'm'}
sns.scatterplot(data=df,x='X_1', y='X_2', hue='category', palette=my_palette)

---

如果您对seaborn的默认选择不满意，还有一系列预定义的选项板。

使用字典

{1:b'，2:g'，3:r'，4:c'，5:m'}

my_palette = {1: 'b', 2: 'g', 3: 'r', 4: 'c', 5: 'm'}
sns.scatterplot(data=df,x='X_1', y='X_2', hue='category', palette=my_palette)