使用Python基于DataFrame在图像上按标签颜色标记坐标点

现有一张输入图像，以及一个1000行3列的DataFrame，列分别为X坐标、Y坐标和Label（取值0-5）。需要完成以下操作：

• 读取该图像
• 根据DataFrame中的坐标定位图像对应位置
• 依据Label列用不同颜色标记这些坐标点并显示图像

示例DataFrame：

data = {'X': [200, 246, 387, 86, 100], 'Y': [100, 200, 34, 98, 234], 'Label': [0,1,2,3,4]}
df = pd.DataFrame(data)

当前已实现单个点绘制的代码：

import matplotlib.pyplot as plt
img = plt.imread('../data/textures/test/test_image.jpg')
fig, ax = plt.subplots()
ax.imshow(img, extent=[0, 400, 0, 300])
ax.plot(200, 200, 'x', color='firebrick')

通过按Label分组批量绘制的方式，高效完成多颜色标记需求，完整代码如下：

import matplotlib.pyplot as plt
import pandas as pd

# 读取目标图像
img = plt.imread('../data/textures/test/test_image.jpg')

# 示例DataFrame（实际使用时替换为你的真实数据）
data = {'X': [200, 246, 387, 86, 100, 150], 
        'Y': [100, 200, 34, 98, 234, 180], 
        'Label': [0,1,2,3,4,0]}
df = pd.DataFrame(data)

# 自定义Label与颜色的映射关系（可根据需求调整）
color_map = {0: 'firebrick', 1: 'forestgreen', 2: 'royalblue', 
             3: 'gold', 4: 'purple', 5: 'cyan'}

# 初始化绘图画布
fig, ax = plt.subplots()
ax.imshow(img, extent=[0, 400, 0, 300])

# 按Label分组，批量绘制对应坐标点
for label, group in df.groupby('Label'):
    ax.plot(group['X'], group['Y'], 'x', color=color_map[label], label=f'Label {label}')

# 添加图例（可选，用于直观区分不同Label的颜色）
ax.legend()

# 显示最终图像
plt.show()

关键说明 #

• 颜色映射：color_map字典可自由修改，确保每个Label对应唯一且易区分的颜色即可
• 分组绘制：使用groupby('Label')将同Label的坐标归为一组，比循环单个点的效率更高，适合处理1000行的大数据量
• extent参数：需保证该参数的坐标范围与DataFrame中X、Y的取值范围匹配，若图像实际尺寸不同，需对应调整此参数
• 图例：若不需要区分颜色对应的Label，可删除ax.legend()一行

内容的提问来源于stack exchange，提问作者Arica Christensen