Python 使用Matplotlib将分类变量转换为颜色

我有一个150个变量的列表，这些变量具有以下可能的值：

   domain = ['val1', 'val2', 'val2'] 

我想把它们转换成matplot散点图的颜色。目前，我编写了一个函数，用于手动将我的数据域映射到一个颜色范围，例如：

  colors = ['aquamarine','purple','blue']
  color_map = dict(zip(domain, colors)) 
  colorize = lambda x : color_map[x]
  c = list(map(colorize, labels))

  #and then I explicitly pass the array to scatter: 
  scatter = ax.scatter(t_x,
                 t_y,
                 c=c,
                 alpha=0.3,
                 cmap=plt.cm.cool,
                 s = 500)

---

但是，这是可行的，我必须指定域中每个元素映射到的颜色。有没有办法让matplotlib为我实现这一点，这样我就可以利用CMAP？D3有一种从数据域映射到颜色范围的方法。

您可以从

matplotlib.cm

导入颜色映射，然后通过调用它作为函数从中选择单个颜色。它接受从0到1（或者从1到255，这有点奇怪）的输入数字，并沿颜色映射为您提供颜色

import matplotlib
from matplotlib.cm import cool

def get_n_colors(n):
    return[ cool(float(i)/n) for i in range(n) ]

然后可以为分类变量生成颜色：

colors = get_n_colors(len(domain))

---

这是@C_Z_的答案的改编版本，更容易用于绘图：

# x, y, and category_values should all be the same length (the # of data points)

import matplotlib.pyplot as plt
from matplotlib.cm import viridis

num_categories = len(set(category_values))

colors = [viridis(float(i)/num_categories) for i in category_values]
plt.scatter(x, y, color=colors)

---

我不得不为我的具体情况做一些改变，然而，cool（float（I）/n）完全按照我的需要工作。谢谢