如何将字符串列表转为整数列表实现Matplotlib散点图按类别着色？

一、生成整数编码列表newz的最优方法 #

根据不同场景需求，以下几种高效实现方式可供选择：

1. 用pandas的factorize（推荐，简洁高效） #

适合快速处理分类字符串，自动生成连续整数编码，同时返回对应的唯一类别：

import pandas as pd
z = ['Adelie', 'Adelie', 'Adelie', 'Adelie', 'Gentoo', 'Gentoo', 'Gentoo', 'Gentoo']
newz, unique_labels = pd.factorize(z)
# 默认编码从0开始，若要从1起始：newz = pd.factorize(z)[0] + 1

2. 用sklearn的LabelEncoder（适合机器学习场景） #

如果已在使用scikit-learn生态，这个工具可完成标签编码，后续还支持反向解码：

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
newz = le.fit_transform(z)
# 解码示例：le.inverse_transform(newz)

3. 手动字典映射（无额外依赖） #

不需要第三方库时，用字典建立字符串到整数的映射，若要保持原类别顺序，可借助dict.fromkeys：

# 按原顺序提取唯一值
unique_z = list(dict.fromkeys(z))
# 建立从1开始的编码映射
str_to_num = {val: idx+1 for idx, val in enumerate(unique_z)}
newz = [str_to_num[val] for val in z]

二、这种着色方式的合理性 #

这种整数编码着色的方式是合理且常用的，但有几个细节需要注意：

• 其实Matplotlib本身支持直接传入字符串列表c=z，它会自动将字符串映射为离散数值编码并分配颜色，但手动编码的好处是可以精确控制编码顺序、起始值，灵活性更高。
• 针对分类变量（如示例中的企鹅种类），更推荐搭配离散色板（如cmap='tab10'），让不同类别颜色区分更清晰；若需要指定特定颜色，可手动传入颜色列表配合编码使用。
• 务必添加图例或颜色条，明确每个编码对应的类别，避免读者混淆，示例代码：

plt.scatter(x, y, c=newz, cmap='tab10')
# 手动创建对应图例
from matplotlib.patches import Patch
legend_elements = [Patch(facecolor=plt.cm.tab10(i), label=label) 
                   for i, label in enumerate(unique_labels)]
plt.legend(handles=legend_elements)

内容的提问来源于stack exchange，提问作者Dom