Python 根据列表中的值在绘图中设置标记

假设我有一个如下所示的列表：

list_a = [[1.2, 0.5, 3.1,...], [7.3, 1.5, 3.9,...], [100, 200, 150, ...]]

该列表中的第一个子列表和第二个子列表定义了我要绘制的

（x，y）

值。第三个子列表包含与每个

（x，y）

点（比如某个属性）相关的值。这些关联值只能是三个值中的一个：

100150200

；这意味着每个

（x，y）

对附加了

100

、

150

或

200

值

我想在散点图中绘制这些

（x，y）

点，但根据第三个列表中的值为每个点指定一个标记

例如，我想要（当然不是真正的代码）：

我能想到的唯一方法是重新打包

list_a

，以便将与第三个列表中相同值关联的所有

（x，y）

对移动到其自己的列表中，如下所示：

list_100 =[[subset of x values], [subset of y values]]
list_150 =[[subset of x values], [subset of y values]]
list_200 =[[subset of x values], [subset of y values]]

然后分别绘制每个列表，每次设置适当的标记：

plot.scatter(list_100[0], list_100[1], marker='o')
plot.scatter(list_150[0], list_150[1], marker='s')
plot.scatter(list_200[0], list_200[1], marker='^')

---

我想知道是否有一种方法可以做到这一点，而无需重新打包原始列表，然后为第三个子列表中的每个值设置几个单独的绘图。

因为您只有三个关联值，并且您知道相应的绘图值， 因此，将每个关联值映射到绘图值：

plot_map = { 100:'o' ,150:'s' , 200:'^' }

现在，由于每个子列表将具有相等的元素：

for i in range(len(list_a[0])):
    plot.scatter(list_a[0][i], list_a[1][i], plot_map[list_a[2][i]])

---

因为您只有三个关联值，并且您知道相应的绘图值， 因此，将每个关联值映射到绘图值：

plot_map = { 100:'o' ,150:'s' , 200:'^' }

现在，由于每个子列表将具有相等的元素：

for i in range(len(list_a[0])):
    plot.scatter(list_a[0][i], list_a[1][i], plot_map[list_a[2][i]])

---

像这样的东西行吗？它会重新排列您的列表，因此它的效率可能不如您所希望的那样高，但我认为它对您很有用

list_a = [[1.2, 0.5, 3.1, 4.0, 2.3, 6.7],
          [7.3, 1.5, 3.9, 2.7, 1.4, 9.1],
          [100, 200, 150, 200, 100, 100]]

markers = [(100, 'o'), (150, 's'), (200, '^')]

list_r = zip(*list_a)

for value, marker in markers:
  def f(p):
    return p[2] == value
  sublist_r = filter(f, list_r)
  sublist = zip(*sublist_r)
  plot.scatter(sublist[0], sublist[1], marker=marker)

---

与较小的@roshan解决方案相比，它的优势在于它为您拥有的每种类型的标记调用

plot.scatter

一次，而不是为每一点调用一次。

这样做可以吗？它会重新排列您的列表，因此它的效率可能不如您所希望的那样高，但我认为它对您很有用

list_a = [[1.2, 0.5, 3.1, 4.0, 2.3, 6.7],
          [7.3, 1.5, 3.9, 2.7, 1.4, 9.1],
          [100, 200, 150, 200, 100, 100]]

markers = [(100, 'o'), (150, 's'), (200, '^')]

list_r = zip(*list_a)

for value, marker in markers:
  def f(p):
    return p[2] == value
  sublist_r = filter(f, list_r)
  sublist = zip(*sublist_r)
  plot.scatter(sublist[0], sublist[1], marker=marker)

与较小的@roshan解决方案相比，它的优势在于，它为您拥有的每种类型的标记调用一次

plot.scatter

，而不是为每个点调用一次。

使用以下方法：

list_a = [[1.2, 0.5, 3.1,...], [7.3, 1.5, 3.9,...], [100, 200, 150, ...]]
import numpy as np
x = np.asarray(list_a[0])
y = np.asarray(list_a[1])
m = np.asarray(list_a[2])
mrk = {100:'o',150:'s',200:'^'}
for key,value in mrk.items():
    s1 = (m==key)
    plt.scatter(x[s1],y[s1],marker=value)

这确实非常有效。

使用以下方法：

list_a = [[1.2, 0.5, 3.1,...], [7.3, 1.5, 3.9,...], [100, 200, 150, ...]]
import numpy as np
x = np.asarray(list_a[0])
y = np.asarray(list_a[1])
m = np.asarray(list_a[2])
mrk = {100:'o',150:'s',200:'^'}
for key,value in mrk.items():
    s1 = (m==key)
    plt.scatter(x[s1],y[s1],marker=value)

---

这确实非常有效。

我不明白第三个列表与前两个列表是如何联系在一起的。请澄清。例如，您将如何创建

列表_100

，它将包含（x，y）个点中的哪一个？我已经重新考虑了这个问题，现在是否更好了？每个调用下的

分散

工作方式只能有一个标记形状（然后可以调整大小和颜色）.我不明白第三份名单和前两份有什么联系。请澄清。例如，您将如何创建

列表_100

，它将包含（x，y）个点中的哪一个？我已经重新考虑了这个问题，现在是否更好了？每个调用下的

分散

工作方式只能有一个标记形状（然后可以调整大小和颜色）。这有一个缺点，它为每个点调用

plot

，对于大型数据集来说速度非常慢。这有一个缺点，它为每个点调用

plot

，对于大型数据集来说速度非常慢。这应该行得通，但它会重新排列列表，这正是我想要避免的。如果没有其他答案而不需要重新排列列表，我会将此标记为已接受。我不熟悉matlab的API，因此我不知道您所问的是否可行。如果只有

plot.scatter

，我想你必须重新安排。这应该行得通，但它会重新安排列表，这正是我想要避免的。如果没有其他答案而不需要重新排列列表，我会将此标记为已接受。我不熟悉matlab的API，因此我不知道您所问的是否可行。如果

plot.scatter

就是全部，我想你必须重新安排。作为旁注，如果你不设置点的大小或颜色，使用没有连接线的

plot

更有效。作为旁注，如果你不设置点的大小或颜色，在没有连接线的情况下使用

绘图

，效率更高。