使用pandas groupby绘制散点图的颜色映射警告及同色问题

问题描述 #

使用pandas的groupby绘制散点图时，两类数据颜色完全相同，同时出现颜色映射警告。示例代码如下：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(data= {'class': ['A']*5 + ['B']*5,
                         'index': [i for i in range(10)],
                         'data': [i for i in range(5)] + [i+1 for i in range(5)]})
# Plotting
fig, ax = plt.subplots()
for key, grp in df.groupby('class'):
    grp.plot.scatter(ax=ax, x='index', y='data', label=key)

运行后出现警告：

/opt/miniconda3/lib/python3.8/site-packages/pandas/plotting/_matplotlib/core.py:1114: UserWarning: No data for colormapping provided via 'c'. Parameters 'cmap' will be ignored
scatter = ax.scatter(

但如果用df.plot(ax=ax, x='index', y='data', label=key)替代散点图方法，颜色显示正常且无警告。

原因分析 #

1. 颜色循环机制差异：
   • pandas的plot.scatter()本质是直接调用matplotlib的ax.scatter()，每次调用都会从颜色循环的起始位置取色，不会自动推进颜色索引，导致多次调用时颜色重复。
   • 而df.plot()默认绘制折线图，pandas会自动维护颜色循环状态，每次调用取下一个颜色，因此分组后的颜色能自动区分。
2. 警告产生原因：
   plot.scatter()默认尝试使用颜色映射（cmap），但需要通过c参数传入数值型数据实现颜色映射。代码中未提供c参数，因此触发警告，cmap参数被忽略，最终使用默认颜色。

解决方案 #

方法1：手动指定颜色列表 #

预先定义颜色列表，循环中按索引取色：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(data= {'class': ['A']*5 + ['B']*5,
                         'index': [i for i in range(10)],
                         'data': [i for i in range(5)] + [i+1 for i in range(5)]})

colors = ['red', 'blue']  # 对应A、B两类的颜色
fig, ax = plt.subplots()
for idx, (key, grp) in enumerate(df.groupby('class')):
    grp.plot.scatter(ax=ax, x='index', y='data', label=key, color=colors[idx])
plt.legend()
plt.show()

方法2：使用matplotlib原生scatter方法 #

绕开pandas的plot包装，直接调用matplotlib的scatter，利用其自动颜色循环：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(data= {'class': ['A']*5 + ['B']*5,
                         'index': [i for i in range(10)],
                         'data': [i for i in range(5)] + [i+1 for i in range(5)]})

fig, ax = plt.subplots()
for key, grp in df.groupby('class'):
    ax.scatter(grp['index'], grp['data'], label=key)
plt.legend()
plt.show()

方法3：利用seaborn简化分组绘图 #

seaborn的relplot可直接按列分组绘图，无需手动循环：

import pandas as pd
import seaborn as sns

df = pd.DataFrame(data= {'class': ['A']*5 + ['B']*5,
                         'index': [i for i in range(10)],
                         'data': [i for i in range(5)] + [i+1 for i in range(5)]})

sns.relplot(data=df, x='index', y='data', hue='class', kind='scatter')
plt.show()

使用的包版本 #

• pandas: 1.4.3
• matplotlib: 3.6.2

内容的提问来源于stack exchange，提问作者gioarma