如何在mpl_toolkits 3D散点图中使用seaborn tab10_r配色

直接向matplotlib的cmap参数传入tab10_r字符串时，matplotlib会将传入的类别值做0-1范围归一化，按连续色映射逻辑取色；而seaborn的pairplot使用tab10_r时，会根据实际类别数量，从调色板头部按顺序取出对应个数的离散分类色，二者取色逻辑不匹配，最终视觉效果就会出现偏差。

核心是对齐seaborn的取色逻辑，手动构造和seaborn输出完全一致的离散色映射，避免matplotlib自动做连续色归一化：

• 调用sns.color_palette('tab10_r', 类别总数)拿到和pairplot完全相同的离散色序列
• 将色序列转为matplotlib支持的ListedColormap对象
• 传入scatter3D时通过vmin、vmax参数锁定颜色映射的数值范围，防止自动归一化导致的颜色错位

修正后的可运行代码如下：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits import mplot3d
import seaborn as sns
from matplotlib.colors import ListedColormap

# 配置项：按实际类别数量修改
class_count = 3
# 对齐seaborn取色逻辑，获取完全一致的tab10_r分类色
sns_palette = sns.color_palette('tab10_r', class_count)
cmap = ListedColormap(sns_palette)

# 修复原代码中重复创建空画布的问题
plt.figure(figsize=(15, 12))
ax = plt.axes(projection="3d")

x = x_pca[:, 0]
y = x_pca[:, 1]
z = x_pca[:, 2]
y_train_new = y_train_orig.argmax(1)

ax.scatter3D(
    x, y, z,
    c=y_train_new,
    marker='o',
    alpha=0.6,
    s=55,
    cmap=cmap,
    # 锁定映射范围，和类别标签的取值范围完全对应
    vmin=0,
    vmax=class_count - 1,
    edgecolor='k'
)

plt.title("3D Scatterplot: 95% of the variability captured", pad=15)
ax.set_xlabel('First principal component')
ax.set_ylabel('Second principal component')
ax.set_zlabel('Third principal component')

# 可选：添加分类图例，和seaborn pairplot的图例样式对齐
plt.legend(
    handles=ax.collections[0].legend_elements()[0],
    labels=[f'Class {i}' for i in range(class_count)]
)

plt.show()

额外说明：如果类别标签不是从0开始的连续整数，可以直接给每个类别匹配对应颜色后，传入颜色列表给c参数，完全绕开matplotlib的自动色映射流程，能100%保证配色和seaborn输出效果一致。

内容的提问来源于stack exchange，提问作者Joe