如何根据列表值或聚类结果为节点分配指定颜色？

通用核心思路 #

• 先建立颜色-标签/数值的映射关系：可以用预设调色板，也可以自定义专属颜色
• 给每个节点匹配对应的颜色值
• 在可视化工具中传入颜色参数即可实现

1. 散点图场景（Matplotlib/Seaborn） #

如果是展示聚类后的样本点，两种实现方式：

• 自动映射：用Seaborn的hue参数直接绑定聚类标签，自动分配调色板颜色
• 手动自定义：自己指定每个簇的颜色，再批量匹配给节点

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

# 模拟数据：200个二维样本，3个聚类簇
X = np.random.randn(200, 2)
cluster_labels = np.random.randint(0, 3, 200)

# 方法1：自动分配颜色
sns.scatterplot(x=X[:,0], y=X[:,1], hue=cluster_labels, palette="viridis")
plt.show()

# 方法2：自定义簇颜色
color_map = {0: "#FF5733", 1: "#33FF57", 2: "#3357FF"}
node_colors = [color_map[label] for label in cluster_labels]
plt.scatter(X[:,0], X[:,1], c=node_colors)
plt.show()

2. 图结构节点场景（NetworkX） #

针对社交网络、知识图谱这类图节点，先给节点添加聚类属性，再批量匹配颜色：

import networkx as nx
import matplotlib.pyplot as plt

# 加载示例图
G = nx.karate_club_graph()
# 模拟聚类结果：前17个节点为簇0，后17个为簇1
cluster_labels = {node: 0 if node <17 else 1 for node in G.nodes()}

# 自定义颜色映射
color_map = {0: "darkred", 1: "royalblue"}
node_colors = [color_map[cluster_labels[node]] for node in G.nodes()]

# 绘制带颜色的图
nx.draw(G, node_color=node_colors, with_labels=True, node_size=600)
plt.show()

3. 连续数值映射场景 #

如果是根据连续型数值（比如节点权重、中心度）分配渐变颜色，用颜色映射器实现：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import Normalize
from matplotlib.cm import plasma

# 模拟50个节点的连续数值
node_values = np.random.rand(50)
# 把数值归一化到0-1区间
norm = Normalize(vmin=node_values.min(), vmax=node_values.max())
# 映射到渐变颜色
node_colors = plasma(norm(node_values))

# 绘制带颜色梯度的散点图
plt.scatter(np.random.rand(50), np.random.rand(50), c=node_colors, s=150)
plt.colorbar(label="Node Value")
plt.show()

内容的提问来源于stack exchange，提问作者Fehmeeda Mustafa