多分组带图例散点图高效绘制：Python实现方案咨询

针对你从R/ggplot转Python的需求，这里提供两种直观且高效的多分组散点图实现方式，完全避开繁琐的逐个分组绘制或难以理解的legend_elements()用法：

方法一：Groupby遍历+颜色映射（贴近ggplot逻辑） #

这种方式和ggplot的分组可视化逻辑高度一致，通过groupby自动拆分数据，配合预定义的分组-颜色映射，代码清晰易维护：

import pandas as pd
import matplotlib.pyplot as plt

# 构造示例数据
df = pd.DataFrame({
    'x': [1,2,3,4,5,6,7,8,9],
    'y': [2,4,5,7,6,9,8,10,12],
    'group': ['A','A','A','B','B','B','C','C','C']
})

# 定义分组与颜色的对应关系，直观可控
group_color_map = {'A': '#ff4d4d', 'B': '#4d79ff', 'C': '#33cc33'}

plt.figure(figsize=(8, 6))
# 遍历每个分组，自动绘制对应颜色的散点
for group_name, group_data in df.groupby('group'):
    plt.scatter(
        x=group_data['x'],
        y=group_data['y'],
        color=group_color_map[group_name],
        label=group_name,
        s=50  # 可自定义点大小
    )

plt.xlabel('X变量')
plt.ylabel('Y变量')
plt.legend(title='分组')
plt.show()

• 优势：分组再多，只需在group_color_map中添加新的键值对即可，无需重复编写散点绘制代码；每个分组的样式（颜色、点大小、形状）可单独自定义，完全符合ggplot的分组控制逻辑。

方法二：批量绘制+手动构建图例（高效无黑盒） #

如果想一次性绘制所有点，同时避开scatter.legend_elements()的模糊逻辑，可以手动构建图例元素，全程可控：

import pandas as pd
import matplotlib.pyplot as plt

# 构造示例数据
df = pd.DataFrame({
    'x': [1,2,3,4,5,6,7,8,9],
    'y': [2,4,5,7,6,9,8,10,12],
    'group': ['A','A','A','B','B','B','C','C','C']
})

# 定义颜色列表，顺序与分组唯一值对应
colors = ['#ff4d4d', '#4d79ff', '#33cc33']
# 将分组转为数值编码，用于映射颜色
group_codes = df['group'].astype('category').cat.codes

plt.figure(figsize=(8, 6))
# 一次性绘制所有散点，通过编码映射颜色
plt.scatter(
    x=df['x'],
    y=df['y'],
    c=group_codes,
    cmap=plt.cm.ListedColormap(colors),
    s=50
)

# 手动创建图例：逐个匹配分组名称与颜色
legend_handles = [
    plt.Line2D(
        [], [],
        marker='o',       # 用圆点匹配散点形状
        color=colors[i],
        linestyle='',     # 去掉线条，只保留点
        label=group_name
    )
    for i, group_name in enumerate(df['group'].unique())
]

plt.xlabel('X变量')
plt.ylabel('Y变量')
plt.legend(handles=legend_handles, title='分组')
plt.show()

• 优势：无需循环，一次绘制所有数据；图例完全手动构建，你能明确看到每个分组对应的颜色，不存在legend_elements()的黑盒逻辑，适合分组数量较多的场景。

内容的提问来源于stack exchange，提问作者JACKY88