Python 条形图的颜色与散点图的颜色相同

我想创建一个条形图，使条形图的颜色与先前绘制的散点图的颜色相对应。以下是一个例子：

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从sklearn.cluster导入KMeans
数组=np.random.rand（100,2）
kmeans=kmeans（n_集群=10）
kmeans.fit（数组）
y_kmeans=kmeans.predict（数组）
y_kmeans_df=pd.DataFrame（y_kmeans）
y_kmeans_df.columns=['Values']
y_kmeans_df.Values.value_计数（normalize=True）
图（ax0，ax1）=plt.子批次（2,1，figsize=（10,15））
ax0.scatter（数组[：，0]，数组[：，1]，c=y_kmeans，s=50，cmap='viridis'）
ax1.bar（y_kmeans_df.Values.value_counts（sort=False））索引，
y_kmeans_df.Values.value_计数（normalize=True，sort=True）.Values）
ax1.set_xticks（y_kmeans_df.Values.value_counts（sort=False）.index）
ax1.set_xticklabel（y_kmeans_df.Values.value_counts（sort=True.index）
plt.show（）

---

因此，使用matplotlib，我希望在本例中，条形图的颜色与其对应的簇的颜色相同。我不知道如何实现这一点。

尝试使用

plt。在ax.bar绘图中获取\u cmap

和

color

参数：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

array = np.random.rand(100,2)
kmeans = KMeans(n_clusters=10)
kmeans.fit(array)
y_kmeans = kmeans.predict(array)

y_kmeans_df = pd.DataFrame(y_kmeans)
y_kmeans_df.columns = ['Values']
y_kmeans_df.Values.value_counts(normalize=True)

fig, (ax0,ax1) = plt.subplots(2,1,figsize=(10,15))
ax0.scatter(array[:,0], array[:,1], c=y_kmeans, s=50, cmap='viridis')

vir = plt.get_cmap('viridis', 10)

ax1.bar(y_kmeans_df.Values.value_counts(sort=False).index ,
       y_kmeans_df.Values.value_counts(normalize=True, sort=True).values,
       color=vir(y_kmeans_df.Values.value_counts(sort=True).index))
ax1.set_xticks(y_kmeans_df.Values.value_counts(sort=False).index)
ax1.set_xticklabels(y_kmeans_df.Values.value_counts(sort=True).index)

plt.show()

输出：

---

我将

color=vir（y\u kmeans\u df.Values.value\u counts（sort=False）。index

更改为

color=vir（y\u kmeans\u df.Values.value\u counts（sort=True）。index）

并且它给了我想要的。谢谢！我修改了解决方案以匹配您想要的结果。欢迎您。编码快乐！