Python 高亮显示散点图中的特定点（基于条件）

我有一个numpy数组，我将其转换为数据帧以在matplotlib.pytplot中可视化它：

x = np.array([[10,10,1], [10,20,0], [10,3,0]])
df = pd.DataFrame(x, columns=["x", "y", "z"])

如果我以z列为颜色绘制散点图，我会得到以下输出（请注意，我使用的是不同的值）：

因此，所有的红点都没有显示在绘图中。如何突出显示它们

如果我运行seaborn，它会工作，但是matplotlib中有什么方法：

import seaborn as sns
sns.lmplot('x', 'y', data =df, hue='z', fit_reg=False)
fig = plt.gcf()
fig.set_size_inches(15, 10)
plt.show()

类似的问题：

---

只让点变大，但不要把它们放在前面。这就有点误导了。

为什么不单独绘制它们，以便设置不同的参数呢？最重要的是，如果你在之后绘制红色点，它们将位于蓝色点之上

以下是一个基于您的示例：

将numpy导入为np
将matplotlib.pyplot作为plt导入
作为pd进口熊猫
x=np.array（[np.random.rand（2000），np.random.rand（2000），np.random.rand（2000）]）
df=pd.DataFrame（np.transpose（x），列=[“x”、“y”、“z”]）
图，ax=plt.子批次（）
df[“val”]=df['z'].应用（λx：如果x>0.9，则为红色，否则为蓝色）
非红色(df=df.loc[df['val']！='red']
红色(df=df.loc[df['val']=='red']
最大散射（x=非红色测向[“x”]、y=非红色测向[“y”]、c=非红色测向[“val”]、s=100）
最大散射（x=red_-df[“x”]，y=red_-df[“y”]，c=red_-df[“val”]，s=100）
图=plt.gcf（）
plt.plot（）

---

您可以对数据进行排序，以便最后绘制前景点，如以下示例的下图所示：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(pd.np.random.rand(1000,3), columns=["x", "y", "z"])
df.z = df.z.add(.1).astype(int)
df["val"] = df['z'].apply(lambda x: "red" if x==1 else "blue")

df1 = df.sort_values('z')

fig, ax = plt.subplots(2)
ax[0].scatter(x=df["x"], y=df["y"], c=df["val"], s=100)
ax[1].scatter(x=df1["x"], y=df1["y"], c=df1["val"], s=100)

---

这是否回答了您的问题？

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(pd.np.random.rand(1000,3), columns=["x", "y", "z"])
df.z = df.z.add(.1).astype(int)
df["val"] = df['z'].apply(lambda x: "red" if x==1 else "blue")

df1 = df.sort_values('z')

fig, ax = plt.subplots(2)
ax[0].scatter(x=df["x"], y=df["y"], c=df["val"], s=100)
ax[1].scatter(x=df1["x"], y=df1["y"], c=df1["val"], s=100)