循环绘制散点图后添加连续色条的实现方法

我来帮你搞定这个连续色条的问题～咱们先分析下你当前代码的问题：你是通过循环逐个绘制不同分组的散点，每个g都是独立的散点集合，而且你直接给每个分组指定了固定颜色，没有和一个统一的**颜色映射（colormap）以及数值范围（norm）**绑定起来。fig.colorbar()需要的是一个ScalarMappable对象（也就是关联了颜色映射和数值范围的对象），而你传入的单个散点对象满足不了这个要求，所以才会出问题。

下面给你两种解决方案，按需选择：

方法一：用Seaborn直接绘制（最简便） #

其实Seaborn的scatterplot原生就支持基于连续变量的颜色映射，完全不用自己写循环，代码更简洁，还能自动处理色条：

import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

np.random.seed(42)
df = pd.DataFrame(np.random.rand(2, 100), index=['S1','S2']).T
tars = np.random.choice([0,0.3,0.5,0.8,1], 100)
df = pd.concat([df, pd.Series(tars, name='group')], axis=1)

fig = plt.figure(figsize=(10,8), dpi=300)
ax = fig.add_subplot(1,1,1)

# 直接用seaborn绘制，hue指定为连续的group列
sns.scatterplot(
    x='S1', y='S2', 
    hue='group', 
    data=df, 
    palette='viridis',  # 选你喜欢的配色
    ax=ax
)

# 调整色条（可选，默认已经有了）
plt.colorbar(ax.collections[0], ax=ax, label='Group Value')

plt.show()

这里的关键是把group作为连续变量传给hue，Seaborn会自动创建对应的颜色映射和色条，完全不用手动处理循环。

方法二：保留循环，手动创建ScalarMappable #

如果你一定要用循环的方式绘制，那需要手动创建一个ScalarMappable对象，把数值范围和颜色映射绑定起来，再传给fig.colorbar()：

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

np.random.seed(42)
df = pd.DataFrame(np.random.rand(2, 100), index=['S1','S2']).T
tars = np.random.choice([0,0.3,0.5,0.8,1], 100)
df = pd.concat([df, pd.Series(tars, name='group')], axis=1)

fig = plt.figure(figsize=(10,8), dpi=300)
ax = fig.add_subplot(1,1,1)

# 1. 定义颜色映射和数值范围
cmap = cm.viridis
norm = Normalize(vmin=df['group'].min(), vmax=df['group'].max())
# 创建ScalarMappable对象，这是色条需要的核心对象
sm = cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])  # 这里需要传入一个空数组，因为我们已经通过norm指定了范围

# 2. 循环绘制散点，用sm.to_rgba获取对应颜色
targets = pd.unique(tars)
for target in targets:
    ax.scatter(
        df.loc[df.group == target, 'S1'],
        df.loc[df.group == target, 'S2'],
        color=sm.to_rgba(target)  # 根据target值获取对应颜色
    )

# 3. 添加色条，传入我们创建的sm对象
fig.colorbar(sm, ax=ax, label='Group Value')

plt.show()

关键说明： #

• Normalize用来指定数值的最小/最大值，确保色条的范围和你的group变量一致
• ScalarMappable是连接数值和颜色的桥梁，fig.colorbar()需要这个对象来生成对应的色条
• 循环里用sm.to_rgba(target)来获取每个分组对应的颜色，保证所有散点都遵循同一个颜色映射规则

这样就能得到你想要的连续色条啦～

内容的提问来源于stack exchange，提问作者Sos