如何为40个聚类的Matplotlib散点图分配40种不同颜色？

matplotlib默认的颜色循环仅包含约20种颜色，所以当聚类数量超过20时会出现颜色重复。以下是两种简单有效的解决方法：

方法一：利用matplotlib颜色映射生成足够颜色 #

通过指定颜色映射（colormap）并设置颜色数量为聚类总数，即可生成对应数量的唯一颜色：

import matplotlib.pyplot as plt
import numpy as np

# 获取唯一的聚类标签，避免重复绘制
unique_labels = np.unique(labels)
# 从颜色映射中生成对应数量的颜色，viridis或tab20c都适用
cmap = plt.get_cmap('viridis', len(unique_labels))

plt.figure(figsize=(14,10))
for idx, cluster_id in enumerate(unique_labels):
    plt.scatter(df.iloc[cluster == cluster_id, 0],
                df.iloc[cluster == cluster_id, 1],
                label=cluster_id,
                alpha=0.8,
                color=cmap(idx))
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5), ncol=2)
plt.show()

方法二：使用Seaborn生成高区分度调色板 #

Seaborn的husl调色板可以生成任意数量、视觉区分度高的均匀颜色，非常适合多聚类场景：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

unique_labels = np.unique(labels)
# 生成与聚类数匹配的颜色列表
colors = sns.color_palette("husl", len(unique_labels))

plt.figure(figsize=(14,10))
for idx, cluster_id in enumerate(unique_labels):
    plt.scatter(df.iloc[cluster == cluster_id, 0],
                df.iloc[cluster == cluster_id, 1],
                label=cluster_id,
                alpha=0.8,
                color=colors[idx])
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5), ncol=2)
plt.show()

注意事项 #

• 优先使用np.unique(labels)获取唯一聚类标签，避免原代码中循环labels可能导致的重复绘制问题。
• 如果需要更个性化的颜色，可以自定义十六进制颜色列表，替换上述代码中的cmap(idx)或colors[idx]即可。

内容的提问来源于stack exchange，提问作者Mina