Python seaborn循环通过matplotlib散射的颜色

在绘制散点图时，如何获得海生颜色

import matplotlib.pyplot as plt
import seaborn as sns
ax=fig.add_subplot(111)
for f in files:
    ax.scatter(args) # all datasets end up same colour
    #plt.plot(args) #  cycles through palette correctly

---

您必须告诉matplotlib使用哪种颜色。要使用seaborn的默认调色板，例如：

import matplotlib.pyplot as plt
import seaborn as sns
import itertools
ax=fig.add_subplot(111)

palette = itertools.cycle(sns.color_palette())

for f in files:
    ax.scatter(args, color=next(palette))

确保我们不会用完颜色，并在使用最后一种颜色后再次开始使用第一种颜色

更新：

根据@Iceflower的评论，通过

palette = sns.color_palette(None, len(files))

---

也许是更好的解决办法。不同之处在于，我在顶部的原始答案尽可能频繁地迭代默认颜色，而此解决方案创建的调色板的颜色与文件的颜色一样多。这意味着没有重复的颜色，但颜色之间的差异可能非常细微。

根据卡斯滕的回答，如果您有大量类别可分配颜色，您可能希望将颜色压缩到非常大的seaborn调色板，例如or。。请注意，这种做法通常是：使用超过5-6种颜色通常是过度的，你可能需要考虑改变你的图表类型。

import matplotlib.pyplot as plt
import seaborn as sns

palette = zip(df['category'].unique(), sns.crayons.values())

---

这是一个“功能”，而不是一个“错误”，分散是一个ScalarMapable，这意味着您可以为每个标记指定一个标量值，然后与颜色贴图一起使用，根据标量值为每个标记着色。有鉴于此，让分散参与颜色循环逻辑似乎很愚蠢/太精细。作为旁注，除非您改变标记的大小，否则最好使用不带线的plot，这样会更快。感谢关于使用plot的提示：我不是说这是一个bug，只是问如何操作。最好使用sns.color\u paletteNone，lenfiles