如何在Python中按年龄范围设置散点图数据点的颜色？

针对你的需求，这里提供两种简单易上手的实现方法，基于Python的pandas和matplotlib库：

方法一：添加年龄分组列后分组绘图 #

逻辑清晰，适合新手理解：

import pandas as pd
import matplotlib.pyplot as plt

# 加载高尔夫数据集（替换为你的数据集路径）
# df = pd.read_csv("golf_dataset.csv")

# 1. 给数据添加年龄分组标签
def get_age_group(age):
    if 20 <= age <=29:
        return "20-29岁"
    elif 30 <= age <=39:
        return "30-39岁"
    elif 40 <= age <=49:
        return "40-49岁"
    else:
        return "其他"

df['age_group'] = df['AGE'].apply(get_age_group)

# 2. 定义分组对应颜色
color_map = {
    "20-29岁": "blue",
    "30-39岁": "red",
    "40-49岁": "yellow"
}

# 3. 绘制分组散点图
plt.figure(figsize=(10,6))
for group, color in color_map.items():
    group_data = df[df['age_group'] == group]
    plt.scatter(group_data['Fairway Hit%'], group_data['Average Driving Distance'], 
                color=color, label=group, alpha=0.6)

# 添加图表信息
plt.xlabel("Fairway Hit%")
plt.ylabel("Average Driving Distance")
plt.title("开球距离 vs 球道上球率（按年龄分组）")
plt.legend()
plt.show()

方法二：直接生成颜色列表（无需额外列） #

如果不想新增数据列，可用numpy的where函数直接生成每个点的颜色：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 加载数据集
# df = pd.read_csv("golf_dataset.csv")

# 生成每个数据点的颜色
colors = np.where((df['AGE'] >=20) & (df['AGE'] <=29), 'blue',
                  np.where((df['AGE'] >=30) & (df['AGE'] <=39), 'red',
                           np.where((df['AGE'] >=40) & (df['AGE'] <=49), 'yellow', 'gray')))

# 绘制散点图
plt.figure(figsize=(10,6))
plt.scatter(df['Fairway Hit%'], df['Average Driving Distance'], color=colors, alpha=0.6)

# 手动添加图例
from matplotlib.patches import Patch
legend_elements = [Patch(facecolor='blue', label='20-29岁'),
                   Patch(facecolor='red', label='30-39岁'),
                   Patch(facecolor='yellow', label='40-49岁')]
plt.legend(handles=legend_elements)

plt.xlabel("Fairway Hit%")
plt.ylabel("Average Driving Distance")
plt.title("开球距离 vs 球道上球率（按年龄分组）")
plt.show()

你之前代码出错的原因 #

你尝试写'AGE' >=20 <=29这种条件是错误的，在Python中对Series做范围判断时，需要用括号包裹单个条件，并用&连接逻辑与，正确写法是(df['AGE'] >=20) & (df['AGE'] <=29)。

内容的提问来源于stack exchange，提问作者8ironanalytics