Matplotlib散点图如何为直接传颜色列表的scatter绘制分类图例

无需拆分数据集重复调用plt.scatter，通过自定义图例句柄即可实现需求，原有核心绘图逻辑不需要修改。

注意：不建议使用map作为变量名，会覆盖Python内置的map()函数，以下示例将其替换为color_map，功能完全一致。

完整可运行代码 #

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D

# 生成测试数据
X, y = make_blobs(n_samples=300, centers=3, random_state=42)

# 核心绘图逻辑和原有写法一致
color_map = {0: 'red', 1: 'green', 2: 'blue'}
plt.scatter(X[:, 0], X[:, 1], c=[color_map[i] for i in y])

# 批量生成对应图例元素
custom_legend = [
    Line2D(
        [0], [0], 
        marker='o',
        color='w',
        markerfacecolor=color,
        markersize=10,
        label=f'类别 {cls_id}'
    ) for cls_id, color in color_map.items()
]

# 挂载图例
plt.legend(handles=custom_legend)
plt.show()

关键说明 #

• 代码中Line2D的color='w'作用是隐藏点之间的连接线，只保留圆点标记，符合散点图例的展示需求
• 批量生成图例的写法适配任意数量的分类，不需要为每个分类单独编写配置
• 可通过修改markersize参数调整图例中圆点的大小，修改marker参数更换标记形状（例如s为方块、^为三角）

运行后图例效果完全匹配需求：红色圆点对应类别0，绿色圆点对应类别1，蓝色圆点对应类别2，全程仅调用一次plt.scatter，无冗余代码。

内容的提问来源于stack exchange，提问作者NaiveBae