如何让Matplotlib散点图图例不依赖点颜色并关联编号与名称

核心思路 #

保留聚类分组的点颜色，同时替换原有聚类图例为点编号-对应名称的自定义图例，每个图例条目的颜色与对应点的聚类颜色一致。

完整代码示例 #

import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
import pandas as pd
import numpy as np

# 示例数据集（替换成你的真实数据）
df = pd.DataFrame({
    'x': np.random.rand(10),
    'y': np.random.rand(10),
    'cluster': np.random.randint(0, 3, 10),
    'point_id': range(1, 11),
    'names': [f'name_{i}' for i in range(1, 11)]
})

# 固定聚类颜色映射，确保同组点颜色一致
cmap = plt.get_cmap('viridis')
norm = plt.Normalize(df['cluster'].min(), df['cluster'].max())

# 绘制散点图，按聚类分配颜色
scatter = plt.scatter(df['x'], df['y'], c=df['cluster'], cmap=cmap, norm=norm)

# 保留点编号标注（原有逻辑）
for idx, row in df.iterrows():
    plt.text(row['x'], row['y'], str(row['point_id']), ha='center', va='bottom', fontsize=9)

# 构建自定义图例元素
legend_elements = []
for _, row in df.iterrows():
    # 获取当前点的聚类颜色
    point_color = cmap(norm(row['cluster']))
    # 创建与散点样式匹配的图例标记
    elem = Line2D([0], [0], marker='o', color='w', markerfacecolor=point_color, markersize=10,
                  label=f"{row['point_id']} - '{row['names']}'")
    legend_elements.append(elem)

# 添加自定义图例，调整位置避免遮挡
plt.legend(handles=legend_elements, title='Point Info', bbox_to_anchor=(1.05, 1), loc='upper left')

# 图表基础设置
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('带自定义图例的聚类散点图')
plt.tight_layout()
plt.show()

关键步骤说明 #

1. 固定颜色映射：用cmap和norm确保同一聚类分组的点颜色统一，避免颜色随机变化。
2. 保留点编号标注：沿用原有循环逻辑，为每个点标注编号。
3. 自定义图例：遍历每个数据行，创建对应图例条目——颜色取该点的聚类颜色，标签格式为点编号 - '名称'，最后通过handles参数替换原有聚类图例。
4. 图例优化：通过bbox_to_anchor把图例放在图表外侧，避免遮挡数据点；若点数量多，可添加ncol=2参数分栏显示图例。

内容的提问来源于stack exchange，提问作者Wiktoria