如何绘制带有每个类别的图例标签的散点图

问题描述：

我想在散点图中绘制图例。我目前的代码如下

x=[1,2,3,4]
y=[5,6,7,8]
classes = [2,4,4,2]
plt.scatter(x, y, c=classes, label=classes)
plt.legend()

问题在于，当创建图表时，图例显示为数组，而不是显示唯一的标签及其类别。

我知道这个问题之前在类似的主题中讨论过，但是我觉得我的问题更简单，那里的解决方案并不适用。另外，那个例子中，用户指定了颜色，而我的情况是，我事先知道需要多少种颜色。此外，在这个例子中，用户创建了多个散点图，每个散点图都有唯一的颜色。这也不是我想要的。我的目标是简单地使用数组和标签来创建图表x, y。可以吗？

解决方案 1：

实际上，这两个相关的问题都提供了一种实现预期结果的方法。

最简单的方法是创建与唯一类一样多的散点图，并为每个散点图赋予单一颜色和图例条目。

import matplotlib.pyplot as plt

x=[1,2,3,4]
y=[5,6,7,8]
classes = [2,4,4,2]
unique = list(set(classes))
colors = [plt.cm.jet(float(i)/max(unique)) for i in unique]
for i, u in enumerate(unique):
    xi = [x[j] for j  in range(len(x)) if classes[j] == u]
    yi = [y[j] for j  in range(len(x)) if classes[j] == u]
    plt.scatter(xi, yi, c=colors[i], label=str(u))
plt.legend()

plt.show()

如果类是字符串标签，解决方案会略有不同，因为您需要从它们的索引中获取颜色，而不是使用类本身。

import numpy as np
import matplotlib.pyplot as plt

x=[1,2,3,4]
y=[5,6,7,8]
classes = ['X','Y','Z','X']
unique = np.unique(classes)
colors = [plt.cm.jet(i/float(len(unique)-1)) for i in range(len(unique))]
for i, u in enumerate(unique):
    xi = [x[j] for j  in range(len(x)) if classes[j] == u]
    yi = [y[j] for j  in range(len(x)) if classes[j] == u]
    plt.scatter(xi, yi, c=colors[i], label=str(u))
plt.legend()

plt.show()

解决方案 2：

也许手动填充table在这里会有用。另一个想法是，colorbar如果你的类别是连续的数字，就使用这个方法。我在这里演示了两种方法。

import matplotlib.pyplot as plt
import numpy as np

x=[1,2,3,4,5,6,7]
y=[1,2,3,4,5,6,7]
classes = [2,4,4,2,1,3,5]
cmap = plt.cm.get_cmap("viridis",5)
plt.scatter(x, y, c=classes, label=classes,cmap=cmap,vmin=0.5,vmax=5.5)
plt.colorbar()
unique_classes = list(set(classes))
plt.table(cellText=[[x] for x in unique_classes], loc='lower right',
          colWidths=[0.2],rowColours=cmap(np.array(unique_classes)-1),
         rowLabels=['label%d'%x for x in unique_classes],
          colLabels=['classes'])

解决方案 3：

• 最简单的解决方案是使用seaborn，这是的高级 API matplotlib，它使用参数按颜色分隔组hue。

  • sns.scatterplot- 轴级功能。

  • sns.relplotwith kind='scatter'（默认）-图形级功能。

  • 参见图形级与轴级函数

• legend='full'：确保每个组都会在图例中获得一个条目，当hue类别为数字时，这一点很重要。

• 如果使用Anaconda发行版，seaborn 将已安装在(base)环境中。否则，请使用pipinstall 来安装非 Anaconda 环境。

import seaborn as sns
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6.5, 3.5))

sns.scatterplot(x=x, y=y, hue=classes, legend='full', ax=ax)

g = sns.relplot(kind='scatter', x=x, y=y, hue=classes, legend='full', height=3.5, aspect=1.5)

• pandas.DataFrame或者，从数据列表中创建一个，然后使用 seaborn 进行绘图。

import pandas as pd

# create the dataframe
df = pd.DataFrame({'x': x, 'y': y, 'classes': classes})

# axes level plot
ax = sns.scatterplot(data=df, x='x', y='y', hue='classes', legend='full')

# figure level plot
g = sns.relplot(kind='scatter', data=df, x='x', y='y', hue='classes', legend='full')