Python 在matplotlib 3.1.1中使用图例元素设置散点图图例标签

我刚刚将matplotlib升级到3.1.1版，正在尝试使用legend_元素

我在一个由30000张平展的灰度图像组成的数据集上，对PCA中的前两个分量进行散点绘制。每个图像都被标记为四个主要类别之一（配件、服装、鞋类、个人护理）。我通过创建一个值为0到3的颜色列，按照“主类别”对绘图进行了颜色编码

我已经阅读了PathCollection.legend_元素的文档，但尚未成功合并'func'或'fmt'参数。

此外，我还尝试了以下示例：

###为颜色代码创建列
masterCat_代码={'Accessories'：0，'Apparel'：1，'Foother'：2，'Personal Care'：3}
df['colors']=df['masterCategory']。应用（lambda x:masterCat_代码[x]）
###创建散点图
图，ax=plt.子批次（图尺寸=（8,8））
散点=最大散点（*完整pca.T，s=.1，c=df['colors']，标签=df['masterCategory']，cmap='viridis'）
###使用图例元素
legend1=ax.legend（*散布.legend_元素（num=[0,1,2,3]），loc=“左上”，title=“类别代码”）
ax.添加艺术家（legend1）
plt.show（）

生成的图例标签为0、1、2、3。（在定义“散布”时，无论我是否指定label=df['masterCategory']，都会发生这种情况）。我想标签说配件，服装，鞋类，个人护理

有没有一种方法可以通过legend_元素实现这一点

注意：由于数据集很大，预处理的计算量很大，因此我编写了一个更易于复制的示例：

fake_data = np.array([[1,1],[1,2],[1,3],[2,1],[2,2],[2,3],[3,1],[3,2],[3,3]])
fake_df = pd.DataFrame(fake_data, columns=['X', 'Y'])
groups = np.array(['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'])
fake_df['Group'] = groups

group_codes = {k:idx for idx, k in enumerate(fake_df.Group.unique())}
fake_df['colors'] = fake_df['Group'].apply(lambda x: group_codes[x])
fig, ax = plt.subplots()
scatter = ax.scatter(fake_data[:,0], fake_data[:,1], c=fake_df['colors'])
legend = ax.legend(*scatter.legend_elements(num=[0,1,2]), loc="upper left", title="Group \nCodes")
ax.add_artist(legend)
plt.show()

解决方案 感谢Beingernest的重要性

---

类似于

ax.legend（handles=scatter.legend_元素（num=[0,1,2,3]）[0]，labels=masterCat_-codes.keys（））

应该可以工作。没有我就帮不上忙了。谢谢，这成功了！为了清晰起见，我添加了一个可复制的示例：）请不要回答问题中的问题。（那么问题是什么？）使用回答按钮。对于那些想知道的人，

scatter

应该像你的问题一样定义

scatter=ax.scatter（…）

。

group_codes = {k:idx for idx, k in enumerate(fake_df.Group.unique())}
fake_df['colors'] = fake_df['Group'].apply(lambda x: group_codes[x])
fig, ax = plt.subplots(figsize=(8,8))
ax.scatter(fake_data[:,0], fake_data[:,1], c=fake_df['colors'])
ax.legend(handles=scatter.legend_elements(num=[0,1,2,3])[0], labels=group_codes.keys())
plt.show()