Matplotlib：如何避免不同散点图实例间标签颜色重复？

问题原因 #

你遇到的颜色重复问题，是因为Matplotlib在处理c参数的数值时，会针对每个散点图独立归一化颜色范围。比如label1的范围是1-2，label2是3-4，两者的最小值（1和3）都会被映射到colormap的起始颜色，最大值（2和4）映射到结束颜色，导致不同标签值出现相同颜色。

解决方案 #

方法1：使用全局归一化规则

通过统一所有标签的数值范围，让每个唯一标签对应colormap上的独有色阶：

import matplotlib.pyplot as plt
import pandas as pd
from matplotlib.colors import Normalize
import numpy as np

# 生成数据
data1 = list(range(100))
data2 = list(range(100))
data3 = list(range(100))

label1 = [1]*50 + [2]*50
label2 = [3]*50 + [4]*50
label3 = [5]*50 + [6]*50

df = pd.DataFrame({
    'data1': data1, 'data2': data2, 'data3': data3,
    'label1': label1, 'label2': label2, 'label3': label3
})

# 收集所有标签，创建全局归一化规则
all_labels = np.concatenate([label1, label2, label3])
unique_labels = np.unique(all_labels)
norm = Normalize(vmin=unique_labels.min(), vmax=unique_labels.max())

plt.figure(figsize=(10, 4))
# 所有散点图共用同一个归一化规则
plt.scatter(df['data1'], [0]*len(df), c=df['label1'], norm=norm, alpha=0.6)
plt.scatter(df['data2'], [1]*len(df), c=df['label2'], norm=norm, alpha=0.6)
plt.scatter(df['data3'], [2]*len(df), c=df['label3'], norm=norm, alpha=0.6)

plt.yticks(ticks=[0, 1, 2], labels=['data1', 'data2', 'data3'])
plt.xlabel('Value')

# 添加颜色条展示标签与颜色的对应关系
sm = plt.cm.ScalarMappable(norm=norm, cmap=plt.cm.viridis)
sm.set_array([])
plt.colorbar(sm, ticks=unique_labels, label='Label')

plt.tight_layout()
plt.show()

原理：Normalize将所有标签的范围统一为1-6，每个标签值会对应colormap上的唯一位置，彻底避免颜色重复。

方法2：手动指定标签-颜色映射

如果需要精确控制每个标签的颜色，可以用字典手动映射：

import matplotlib.pyplot as plt
import pandas as pd

# 生成数据（同上）
data1 = list(range(100))
data2 = list(range(100))
data3 = list(range(100))

label1 = [1]*50 + [2]*50
label2 = [3]*50 + [4]*50
label3 = [5]*50 + [6]*50

df = pd.DataFrame({
    'data1': data1, 'data2': data2, 'data3': data3,
    'label1': label1, 'label2': label2, 'label3': label3
})

# 自定义每个标签对应的颜色
color_mapping = {
    1: '#ff4500', 2: '#32cd32',
    3: '#1e90ff', 4: '#ffd700',
    5: '#ff69b4', 6: '#00fa9a'
}

plt.figure(figsize=(10, 4))
# 将标签转换为对应的颜色列表
plt.scatter(df['data1'], [0]*len(df), color=[color_mapping[l] for l in df['label1']], alpha=0.6)
plt.scatter(df['data2'], [1]*len(df), color=[color_mapping[l] for l in df['label2']], alpha=0.6)
plt.scatter(df['data3'], [2]*len(df), color=[color_mapping[l] for l in df['label3']], alpha=0.6)

plt.yticks(ticks=[0, 1, 2], labels=['data1', 'data2', 'data3'])
plt.xlabel('Value')

plt.tight_layout()
plt.show()

原理：直接用颜色字符串替换标签值，每个标签对应固定颜色，完全避免冲突。

适用场景 #

• 方法1适合标签数量较多、希望使用渐变色彩的场景，颜色过渡自然。
• 方法2适合标签数量较少、需要精准控制颜色风格的场景。

内容的提问来源于stack exchange，提问作者Bas R