Matplotlib循环绘制散点图：统一点大小与色条的问题解决

你的问题出在每次循环调用scatter时，都是基于当前组的z单独设置颜色映射和点大小，没有统一全局的尺度，而且最后只给最后一组散点创建色条，导致前面的点颜色、大小和最终色条对应不上。

解决思路 #

• 先收集所有z数据，计算全局的最小值和最大值，统一颜色映射的范围（vmin/vmax），确保所有点的颜色都对应同一个色条尺度。
• 统一点大小的缩放比例：因为scatter的s参数是点的像素面积，直接用z数值可能导致点过大或过小，需要根据全局z的范围设置缩放系数，让所有组的点大小保持统一尺度。

修改后的代码 #

import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable
import pandas as pd

# 先收集所有z数据，计算全局范围
all_z = []
for x, y, z in arrays_of_xyz:
    all_z.append(z)
all_z = pd.concat(all_z)
z_min, z_max = all_z.min(), all_z.max()

# 设置点大小缩放系数：比如让最大的z对应200像素面积，可根据需求调整
size_scale = 200 / z_max

fig, ax = plt.subplots()
# 创建统一的颜色映射归一化对象
norm = plt.Normalize(vmin=z_min, vmax=z_max)

for x, y, z in arrays_of_xyz:
    z_np = z.to_numpy()
    # 统一设置vmin/vmax和缩放后的点大小
    ax.scatter(
        x.to_numpy(), 
        y.to_numpy(),
        marker='o',
        s=z_np * size_scale,  # 应用全局缩放系数
        c=z_np,
        cmap='viridis_r',
        norm=norm  # 绑定统一的归一化范围
    )

# 基于全局归一化创建色条，避免依赖单一散点对象
sm = ScalarMappable(norm=norm, cmap='viridis_r')
sm.set_array([])  # 无需传入数据，norm已定义好颜色范围
fig.colorbar(sm, ax=ax)

fig.tight_layout()
plt.show()

关键细节说明 #

• 全局z的min/max定义的Normalize对象，让所有散点的颜色都映射到同一个区间，色条能准确对应所有点的颜色。
• 点大小通过全局缩放系数统一，避免不同组z数值差异导致的大小尺度混乱。
• 用ScalarMappable创建色条，比直接绑定最后一组散点更稳妥，尤其适合各组z范围差异较大的场景。

内容的提问来源于stack exchange，提问作者Aurum