Python 如何转换散布中c变量(来自matplotlib)的值?
我使用matplotlib Python库创建PCA绘图,根据类值(0、1或2)选择每个点的颜色。 为此,我使用名为c的参数:Python 如何转换散布中c变量(来自matplotlib)的值?,python,matplotlib,Python,Matplotlib,我使用matplotlib Python库创建PCA绘图,根据类值(0、1或2)选择每个点的颜色。 为此,我使用名为c的参数: plt.scatter(pca_data[:, 0], pca_data[:, 1], c=[0,1,1,0,2]) 我想做的是添加一个图例,将绘图中的颜色与标签链接起来,但是,我找不到我给出的值(0、1或2)如何转换为实际颜色 我曾想过直接给颜色,但我希望这个过程是自动化的,这样无论实际的类数是多少,它都能工作 我尝试使用来_rgb(来自matplotlib.col
plt.scatter(pca_data[:, 0], pca_data[:, 1], c=[0,1,1,0,2])
我想做的是添加一个图例,将绘图中的颜色与标签链接起来,但是,我找不到我给出的值(0、1或2)如何转换为实际颜色
我曾想过直接给颜色,但我希望这个过程是自动化的,这样无论实际的类数是多少,它都能工作
我尝试使用来_rgb(来自matplotlib.colors)
,但由于值不在0和1之间,因此不起作用,如果我缩放它们,最终会得到一个奇数颜色向量(黑、白、黑)
有什么想法吗
谢谢。下面是一个示例,其中有3个标签(但该方法可扩展到任意数量):
以下是一个示例,其中有3个标签(但该方法可扩展到任意数量):
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import matplotlib.colors as colors
pca_data = np.random.randn(100,2) #some fake data
labels = np.random.randint(low=0,high=3,size=100) #some fake class labels
cNorm = colors.Normalize(vmin=0,vmax=2) #normalise the colormap
scalarMap = cm.ScalarMappable(norm=cNorm,cmap='hot') #map numbers to colors
fig,ax = plt.subplots()
for i in np.unique(labels):
ax.scatter(pca_data[labels==i,0],pca_data[labels==i,1],\
c=scalarMap.to_rgba(i),label="class {}".format(i),s=100)
ax.legend(scatterpoints=1)