如何在matplotlib的散点图中为每个点绘制不同的颜色阴影？

Question

我正在尝试绘制一个散点图，其中散点图中的每个点都应对应于我的 选择 的给定颜色的特定 阴影。 mpl 文档指出，如果我设置如下：

color = '0.7'

它给了我一个灰色阴影，具有0.7 的缩放强度。我正在从一个值在 0 到 1 之间的数组中读取颜色的强度，每个值对应于散点图中该点的强度。我的代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import math

tsne_embeddings = np.load("tsne_embeddings.npy")
labels = np.load('labels.npy')
weights = np.load('weights.npy')
# Scale the weights from 0 to 1
max_weight = max(weights)
min_weight = min(weights)
weights = (weights - min_weight)/(max_weight - min_weight)
print(tsne_embeddings.shape)
x = list(tsne_embeddings[:,0])
y = list(tsne_embeddings[:,1])
labels = list(labels)

weights = np.round(weights,decimals=2)
weights = (np.exp(weights) - 1)/(np.exp(1) - 1)
weights = list(weights)
print(min(weights),max(weights))

for i, shade in enumerate(weights):
    plt.scatter(x[i],y[i],color=shade,marker = '+')

plt.show()

我正在以指数方式缩放这些权重，希望得到更好的变化。 所以，基本上，我的问题是：

1. 如何将颜色更改为蓝色、红色或绿色，而不仅仅是灰度？
2. 我遵循的灰度方法是否正确？

谢谢！

Answer 1

要使您的方法适用于灰色阴影，您需要将值转换为字符串，因此plt.scatter(..., color=str(shade))。

使用 matplotlib 的更标准的方法是直接使用权重，而不将它们重新缩放到 0 到 1 的范围内，使用颜色图，并直接使用数组调用 scatter。权重进入c= 参数。对于灰度值，这将是plt.scatter(x, y, c=weights, cmap='Greys', marker='+')。 matplotlib 的另一个特性是，利用这些信息，它可以自动创建一个颜色条，将灰度值映射到相应的权重。如果只创建一个散点图，plt.colorbar() 不带参数将显示此颜色条。

'Purples', 'Blues', 'Greens', 'Oranges', 'Reds', ... 查看official doc 的完整列表。如果明暗之间的范围出现错误，则在名称后附加“_r”将使用相反的颜色范围（因此，“Greys”从白色变为黑色，而“Greys_r”从黑色变为白色）。

下面是一个使用 1 到 10 的值作为三个数组的工作示例：

from matplotlib import pyplot as plt
import numpy as np

x = np.arange(1, 11)
y = np.arange(1, 11)
weights = np.arange(1, 11)
plt.scatter(x, y, c=weights, cmap='Greys', marker='+')
plt.colorbar()
plt.show()

Answer 2

您可以在 python 中使用颜色图来生成不同深浅的蓝绿色等。 https://matplotlib.org/3.1.0/tutorials/colors/colormaps.html 我在这里使用 Blues 颜色图

import matplotlib.pyplot as plt
import matplotlib as mpl
norm = mpl.colors.Normalize(vmin=min(weights), vmax=max(weights))
cmap = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.Blues)
for i, xi in enumerate(x):
    plt.scatter(x[i],y[i],color=cmap.to_rgba(i+1),marker = '+')
plt.show()