基于Pandas DataFrame绘制多颜色散点图

哦，这个问题我之前也碰到过！原因很简单：plt.scatter()的c参数只接受数值型数据，而你的col3是分类型（不管是字符串还是Pandas的category类型），直接传入会触发类型错误——matplotlib没法把字符串直接映射成颜色值。

下面给你几种实用的解决方法：

方法1：用Pandas分类编码转数值 #

把分类型列转换成对应的数值编码，再传给c参数，然后手动添加图例对应原分类：

import matplotlib.pyplot as plt
import pandas as pd
from matplotlib import cm

# 示例数据
data = pd.DataFrame({
    "col1": [1, 2, 3, 4, 5],
    "col2": [5, 4, 3, 2, 1],
    "col3": ["A", "B", "A", "C", "B"]
})

# 将col3转为分类编码
cat_col = data["col3"].astype("category")
color_codes = cat_col.cat.codes

# 绘制散点图
plt.scatter(data["col1"], data["col2"], c=color_codes, cmap=cm.tab10)

# 添加对应原分类的图例
unique_cats = cat_col.cat.categories
for idx, cat in enumerate(unique_cats):
    plt.scatter([], [], c=cm.tab10(idx), label=cat)
plt.legend(title="col3")
plt.xlabel("col1")
plt.ylabel("col2")
plt.show()

方法2：用Seaborn快速实现（最省心） #

Seaborn的scatterplot()原生支持分类型列作为颜色区分参数（hue），自动帮你处理颜色映射和图例，代码极简：

import seaborn as sns
import pandas as pd

# 示例数据
data = pd.DataFrame({
    "col1": [1, 2, 3, 4, 5],
    "col2": [5, 4, 3, 2, 1],
    "col3": ["A", "B", "A", "C", "B"]
})

# 一行代码搞定
sns.scatterplot(data=data, x="col1", y="col2", hue="col3")
plt.show()

方法3：手动指定分类-颜色映射 #

如果需要自定义每个分类的颜色，直接创建一个映射字典，把每个分类映射到具体颜色：

import matplotlib.pyplot as plt
import pandas as pd

# 示例数据
data = pd.DataFrame({
    "col1": [1, 2, 3, 4, 5],
    "col2": [5, 4, 3, 2, 1],
    "col3": ["A", "B", "A", "C", "B"]
})

# 自定义分类到颜色的映射
color_map = {"A": "#ff4444", "B": "#0099cc", "C": "#99cc00"}
# 给每行数据匹配对应颜色
point_colors = data["col3"].map(color_map)

# 绘制散点图
plt.scatter(data["col1"], data["col2"], c=point_colors)

# 添加图例
legend_handles = [plt.scatter([], [], c=color_map[cat], label=cat) for cat in color_map.keys()]
plt.legend(handles=legend_handles, title="col3")
plt.xlabel("col1")
plt.ylabel("col2")
plt.show()

方法对比 #

• 方法1：适合需要用纯matplotlib的场景，灵活性强但需要手动处理图例；
• 方法2：最快最省心，适合快速探索数据，Seaborn会自动优化可视化效果；
• 方法3：完全自定义颜色，适合需要严格符合品牌色或特定配色的场景。

内容的提问来源于stack exchange，提问作者Abijah