如何在PyQt5的pyqtgraph绘图组件中展示带聚类颜色的K-Means散点图？

云原生阿岚

2026-5-6

没问题，我来帮你实现K-Means聚类结果的颜色区分展示！你的现有代码把所有数据点都用同一种样式绘制了，所以看不到聚类差异。我们只需要按聚类标签分组数据，然后给每个聚类分配不同的颜色即可。

下面是修改后的完整代码，我会一步步解释：

from sklearn.cluster import KMeans
import pyqtgraph as pg

clusters = 3
kmeans = KMeans(n_clusters=clusters, init='k-means++')
kmeans.fit(Data4)
y_means = kmeans.predict(Data4)

# 为每个聚类定义不同的颜色，这里用了红、绿、蓝，你也可以换成其他颜色比如'#FFA500'（橙色）
cluster_colors = [pg.mkColor('red'), pg.mkColor('green'), pg.mkColor('blue')]

# 循环遍历每个聚类标签，分别绘制对应的数据点
for label in range(clusters):
    # 筛选出当前聚类的所有数据点
    # 注意：这里假设Data4是(样本数, 特征数)的二维数组，如果你的Data4是(特征数, 样本数)，请看下面的注释调整
    cluster_samples = Data4[y_means == label]
    # 提取该聚类的两个特征作为x和y轴数据
    x_data = cluster_samples[:, 0]
    y_data = cluster_samples[:, 1]
    
    # 如果你的Data4是(特征数, 样本数)的结构（比如原来的代码用Data4[0]取所有x点），替换上面两行为：
    # x_data = Data4[0][y_means == label]
    # y_data = Data4[1][y_means == label]
    
    # 绘制当前聚类的散点，指定填充颜色
    self.graphWidget1.plot(x_data, y_data, pen=None, symbol='o', symbolBrush=cluster_colors[label])