Python散点图：如何使用与颜色循环具有相同颜色的颜色图

Question

我正在尝试为散点图中的集群着色，并使用两种不同的方法进行管理。

在第一个中，我迭代地绘制每个集群，在第二个中，我一次绘制所有数据并根据它们的标签 [0, 1, 2, 3 ,4] 为集群着色。

我对在example1 和example3 中得到的结果很满意，但我不明白为什么在根据标签为集群着色而不是迭代地绘制每个集群时，颜色会发生如此巨大的变化。

另外，为什么第二个集群（尽管标签总是“1”）在 example1 和 example3 中具有不同的颜色？

import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight') #irrelevant here, but coherent with the examples=)

fig, ax = plt.subplots(figsize=(6,4))
for clust in range(kmeans.n_clusters):
    ax.scatter(X[kmeans.labels_==clust],Y[kmeans.labels_==clust])
    ax.set_title("example1")`

和

plt.figure(figsize = (6, 4))
plt.scatter(X,Y,c=kmeans.labels_.astype(float))
plt.title("example2")

（我知道我可以为第二种方法显式定义颜色图，但我找不到任何重现示例 1 中结果的颜色图）

这是一个最小的工作示例

import matplotlib.pyplot as plt
import pandas as pd
plt.style.use('fivethirtyeight') #irrelevant here, but coherent with the examples=)
X=pd.Series([1, 2, 3, 4, 5, 11, 12, 13, 14, 15])
Y=pd.Series([1,1,1,1,1,2,2,2,2,2])
clusters=pd.Series([0,0,0,0,0,1,1,1,1,1])


fig, ax = plt.subplots(figsize=(6,4))
for clust in range(2):
ax.scatter(X[clusters==clust],Y[clusters==clust])
ax.set_title("example3")

plt.figure(figsize = (6, 4))
plt.scatter(X,Y, c=clusters)
plt.title("example4")

Answer 1

当您在集群上循环并绘制scatter 而不指定任何颜色时，将使用活动属性循环器（颜色循环）的默认颜色。活动属性循环器在rcParams 中定义。它是通过使用的样式设置的；在你的情况下，使用'fivethirtyeight'

print(plt.rcParams["axes.prop_cycle"])
> cycler('color', ['#008fd5', '#fc4f30', '#e5ae38', '#6d904f', '#8b8b8b', '#810f7c'])

这个（'#008fd5'、'#fc4f30'）的前两种颜色是你在图中看到的颜色。

当您使用 scatter 和 clusters 作为颜色参数时，这些值将通过颜色映射映射到颜色。如果未指定颜色图，它将采用rcParam 中定义的默认颜色图。

print(plt.rcParams["image.cmap"])
> "viridis"

'fivethirtyeight' 样式没有定义任何特殊的颜色图，因此默认值不会改变。 （您在图片中观察到与 viridis 不同的颜色图的事实是因为还有一些其他代码仍然处于活动状态，但问题中没有显示。）

此时我需要开始解释；我认为您的问题实际上是如何让单个散点图使用与其中颜色循环具有相同颜色的颜色图。预定义的颜色图都没有其中的五种三十八种循环器颜色。因此，您将通过taking the colors from the cycle 手动定义该颜色图，

import matplotlib.colors as mcolors
cmap = mcolors.ListedColormap(plt.rcParams['axes.prop_cycle'].by_key()['color'])

现在您需要一种方法来索引颜色图，因为您有离散的集群。

n = len(clusters.unique())
norm = mcolors.BoundaryNorm(np.arange(n+1)-0.5, n)

当然，这要求颜色图中的颜色数量大于或等于类的数量——这里就是这种情况。

把它们放在一起，（我添加了另一个类别，以使其更具说明性）

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib.colors as mcolors

plt.style.use('fivethirtyeight') #relevant here!!

X=pd.Series([1, 2, 3, 4, 5, 11, 12, 13, 14, 15])
Y=pd.Series([1,1,1,1,1,2,2,2,2,2])
clusters=pd.Series([0,0,0,0,0,1,1,1,1,2])

cmap = mcolors.ListedColormap(plt.rcParams['axes.prop_cycle'].by_key()['color'])
n = len(clusters.unique())
norm = mcolors.BoundaryNorm(np.arange(n+1)-0.5, n)

plt.figure(figsize = (6, 4))
sc = plt.scatter(X,Y, c=clusters, cmap=cmap, norm=norm)
plt.colorbar(sc, ticks=clusters.unique())
plt.title("example4")

plt.show()