Python matplotlib散点到matplotlib plot之间的颜色参数是否一致？

我希望使用matplotlib来绘制月度数据的年际变化图（如下）。通过在

plt.scatter（）

中传递

c=ds['time.year']

，我获得了期望的结果。但是，我希望能够使用类似的

plt.plot（）

调用连接这些点。这可能吗

import pandas as pd
import matplotlib.pyplot as plt
import xarray as xr

# create y data 
y = []
for yr in range(10):
    for mo in range(12):
        y.append(yr+mo+(yr*mo)**2)

# create datetime vector
t = pd.date_range(start='1/1/2010', periods=120, freq='M')

# combine in DataArray
ds = xr.DataArray(y, coords={'time':t}, dims=['time'])

# scatter plot with color 
im = plt.scatter(ds['time.month'], ds.values, c=ds['time.year'])
plt.colorbar(im)

输出：

我尝试了以下方法，但无效：

plt.plot(ds['time.month'], ds.values, c=ds['time.year'])

---

您可以创建将年份范围映射到颜色范围的范数。norm和使用的colormap可以作为

ScalarMapple

的输入服务器，以创建附带的颜色条。使用默认的“viridis”颜色映射，代码可能如下所示：

导入matplotlib.pyplot作为plt
从matplotlib.cm导入ScalarMapable
作为pd进口熊猫
将xarray作为xr导入
y=[]
年（10年）：
对于范围（12）内的mo：
y、 追加（年+月+（年*月）**2）
t=pd.日期\范围（起始日期为2010年1月1日，周期为120，频率为M）
ds=xr.DataArray（y，coords={'time'：t}，dims=['time']）
norm=plt.Normalize（ds['time.year'].min（），ds['time.year'].max（））
cmap=plt.cm.get_cmap（'viridis'））
对于范围内的年份（int（ds['time.year'].min（）），int（ds['time.year'].max（））+1）：
plt.plot（ds['time.month'][ds['time.year']==year]，
ds.值[ds['time.year']==year]，
ls='-'，marker='o'，color=cmap（标准（年）））
plt.colorbar（可缩放（cmap=cmap，norm=norm））
plt.xticks（范围（1,13））
plt.show（）