如何让Matplotlib循环使用定性颜色映射（Colormap）？

我完全懂你的困扰——默认情况下Matplotlib会把数值型的社区标签当成连续数据处理，结果就是把相近编号的社区归到同一种颜色里，完全违背了你想用Paired色循环的需求。其实解决起来很简单，核心就是把数值型的社区标签当成离散分类来处理，手动控制颜色分配逻辑：

方法一：手动计算颜色索引（推荐，灵活可控） #

Paired色映射正好有12种颜色，我们可以对每个社区编号取模12，这样超过12的编号就会自动循环回到开头的颜色：

import matplotlib.pyplot as plt
import numpy as np

# 模拟你的数据（替换成你实际的地理/社区数据）
community_ids = np.arange(1, 101)  # 1到100的社区编号
x = np.random.rand(100)  # 模拟经度/横坐标
y = np.random.rand(100)  # 模拟纬度/纵坐标

# 获取Paired色映射的12种固定颜色
cmap = plt.get_cmap('Paired', 12)
# 计算每个社区对应的颜色索引（编号-1是因为索引从0开始，取模12实现循环）
color_indices = (community_ids - 1) % 12
colors = cmap(color_indices)

# 绘制你的地理可视化（这里用散点图示例，替换成你实际的绘图方式）
plt.scatter(x, y, c=colors, s=60, edgecolor='white')
plt.title('Community Spatial Distribution (Cycled Paired Colors)')
plt.show()

方法二：使用颜色循环器（set_prop_cycle） #

如果你想用set_prop_cycle实现，需要先提取Paired的所有颜色，把它们设为循环列表，同时要确保按社区分组绘制（而不是一次性传入所有数据）：

import matplotlib.pyplot as plt
import numpy as np

# 提取Paired色映射的12种颜色
paired_colors = plt.get_cmap('Paired').colors

# 设置全局颜色循环规则
plt.rcParams['axes.prop_cycle'] = plt.cycler(color=paired_colors)

# 模拟按社区分组的数据（实际中需按community_id分组你的地理数据）
for comm_id in np.unique(community_ids):
    # 筛选当前社区的坐标
    mask = community_ids == comm_id
    plt.scatter(x[mask], y[mask], s=60, edgecolor='white', label=f'Comm {comm_id}')

plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.title('Community Spatial Distribution (Cycle via Prop Cycle)')
plt.show()

关键逻辑说明 #

• 你遇到的默认行为，是因为Matplotlib把数值型的community当成了连续变量，自动将数值范围映射到整个色映射的渐变区间，所以相近编号会得到相似甚至相同的颜色。
• 而通过取模或手动分配颜色索引，我们强制让每12个社区循环一次颜色，刚好匹配你「小区域内社区数不超过12」的场景，完全不会产生混淆。

内容的提问来源于stack exchange，提问作者Peter Prescott