使用 matplotlib 为不同的分类级别绘制不同的颜色

Question

I have this data frame diamonds which is composed of variables like (carat, price, color) , and I want to draw a scatter plot of price to carat 对于每个 color ，这意味着不同的 color 在图中具有不同的颜色。

这在 R 和 ggplot 中很容易：

 ggplot(aes(x=carat, y=price, color=color),  #by setting color=color, ggplot automatically draw in different colors
       data=diamonds) + geom_point(stat='summary', fun.y=median)

我想知道如何使用 matplotlib 在 Python 中完成此操作？

附言：

我知道辅助绘图包，例如 seaborn 和 ggplot for python ，我不喜欢它们，只是想知道是否可以使用 matplotlib 单独，;P

原文由 avocado 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

导入和示例 DataFrame

 import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns  # for sample data
from matplotlib.lines import Line2D  # for legend handle

# DataFrame used for all options
df = sns.load_dataset('diamonds')

   carat      cut color clarity  depth  table  price     x     y     z
0   0.23    Ideal     E     SI2   61.5   55.0    326  3.95  3.98  2.43
1   0.21  Premium     E     SI1   59.8   61.0    326  3.89  3.84  2.31
2   0.23     Good     E     VS1   56.9   65.0    327  4.05  4.07  2.31

随着 matplotlib

您可以传递 plt.scatter 一个 c 参数，它允许您选择颜色。以下代码定义了一个 colors 字典，用于将菱形颜色映射到绘图颜色。

 fig, ax = plt.subplots(figsize=(6, 6))

colors = {'D':'tab:blue', 'E':'tab:orange', 'F':'tab:green', 'G':'tab:red', 'H':'tab:purple', 'I':'tab:brown', 'J':'tab:pink'}

ax.scatter(df['carat'], df['price'], c=df['color'].map(colors))

# add a legend
handles = [Line2D([0], [0], marker='o', color='w', markerfacecolor=v, label=k, markersize=8) for k, v in colors.items()]
ax.legend(title='color', handles=handles, bbox_to_anchor=(1.05, 1), loc='upper left')

plt.show()

df['color'].map(colors) 有效地将颜色从“菱形”映射到“绘图”。

（请原谅我没有放另一个示例图像，我认为 2 就足够了：P）

随着 seaborn

您可以使用 seaborn 它是 matplotlib 的包装器，默认情况下它看起来更漂亮（我知道，而是基于意见：P），但也添加了一些绘图功能。

为此，您可以使用 seaborn.lmplot 和 fit_reg=False （这可以防止它自动进行一些回归）。

• sns.scatterplot(x='carat', y='price', data=df, hue='color', ec=None) 也做同样的事情。

选择 hue='color' 告诉 seaborn 根据 'color' 列中的唯一值拆分和绘制数据。

 sns.lmplot(x='carat', y='price', data=df, hue='color', fit_reg=False)

随着 pandas.DataFrame.groupby & pandas.DataFrame.plot

如果您不想使用 seaborn，请使用 pandas.groupby 单独获取颜色，然后仅使用 matplotlib 绘制它们，但您必须边走边手动分配颜色，我添加了一个下面的例子：

 fig, ax = plt.subplots(figsize=(6, 6))

grouped = df.groupby('color')
for key, group in grouped:
    group.plot(ax=ax, kind='scatter', x='carat', y='price', label=key, color=colors[key])
plt.show()

此代码假定与上面相同的 DataFrame，然后根据 color 对其进行分组。然后它遍历这些组，为每个组绘图。为了选择一种颜色，我创建了一个 colors 字典，它可以将钻石颜色（例如 D ）映射到真实颜色（例如 tab:blue ).

原文由 Ffisegydd 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

这是使用 seaborn 调色板的简洁通用解决方案。

首先 找到您喜欢的调色板，并可选择将其可视化：

 sns.palplot(sns.color_palette("Set2", 8))

然后你可以将它与 matplotlib 一起使用—这样做：

 # Unique category labels: 'D', 'F', 'G', ...
color_labels = df['color'].unique()

# List of RGB triplets
rgb_values = sns.color_palette("Set2", 8)

# Map label to RGB
color_map = dict(zip(color_labels, rgb_values))

# Finally use the mapped values
plt.scatter(df['carat'], df['price'], c=df['color'].map(color_map))

原文由 Rems 发布，翻译遵循 CC BY-SA 3.0 许可协议