如何在Matplotlib折线图中添加同色系数据点并区分归属

你遇到的问题其实很常见——当用pandas的plot接口分别画折线和散点时，两者默认的颜色循环是独立的，导致散点颜色和折线对不上，尤其是ID多的时候更混乱。这里有两种靠谱的解决办法，帮你轻松搞定：

方法1：获取折线的颜色并复用给散点 #

在循环里，每次画完折线后，我们可以提取出这条折线的颜色，然后把它传给散点图的c参数，这样散点就和折线颜色完全一致了。

修改后的代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 构造数据（特意加了缺失值测试场景）
df = pd.DataFrame({
    'year': ['1988', '1989', '1990', '1988', '1989', '1990', '1988', '1989', '1990'],
    'id': ['1', '1', '1', '2', '2', '2', '3', '3', '3'],
    'money': ['5', '7', '8', '8', np.nan, '3', '7', '8', '10']
}).astype({'year': int, 'id': str, 'money': float})

fig, ax = plt.subplots()
for i in df.id.unique():
    # 画折线，并获取对应的线条对象
    line_plot = df[df['id']==i].plot.line(x='year', y='money', ax=ax, label=f'id = {i}')
    # 提取当前折线的颜色值
    line_color = line_plot.get_lines()[0].get_color()
    # 画散点，指定颜色与折线一致，加白边让点更清晰
    df[df['id']==i].plot.scatter(x='year', y='money', ax=ax, c=line_color, edgecolor='white')

plt.xticks(np.unique(df.year))
plt.legend()
plt.show()

这里的核心是line_plot.get_lines()[0].get_color()——pandas的plot.line返回Axes对象，我们通过get_lines()拿到里面的线条列表，取第一个就是当前ID的折线，再用get_color()提取颜色值，直接传给散点图的c参数即可。

方法2：用单个plot函数同时画折线和标记点（更简便） #

其实没必要分开画折线和散点，matplotlib的plot函数本身就支持同时绘制线条和标记点，颜色会自动保持一致，代码也更简洁：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

df = pd.DataFrame({
    'year': ['1988', '1989', '1990', '1988', '1989', '1990', '1988', '1989', '1990'],
    'id': ['1', '1', '1', '2', '2', '2', '3', '3', '3'],
    'money': ['5', '7', '8', '8', np.nan, '3', '7', '8', '10']
}).astype({'year': int, 'id': str, 'money': float})

fig, ax = plt.subplots()
for i in df.id.unique():
    subset = df[df['id']==i].sort_values('year')  # 确保年份按顺序排列
    # 用plot同时绘制折线和标记点，marker指定点样式，linestyle指定折线样式
    ax.plot(subset['year'], subset['money'], marker='o', linestyle='-', label=f'id = {i}')

plt.xticks(np.unique(df.year))
plt.legend()
plt.show()

这种方法的优势很明显：

• 颜色自动匹配，完全不用手动提取和设置
• 代码更短，逻辑更清晰
• 即使有缺失值，折线会自动断开，但存在的数据点依然会显示标记，完美对应所属ID

额外提示：处理大量ID的情况 #

如果ID数量特别多，matplotlib的默认颜色循环可能不够用，你可以自定义颜色映射，比如用连续色系来生成足够多的独特颜色：

# 用tab20颜色映射，适合多类别场景，第二个参数指定颜色数量
cmap = plt.cm.get_cmap('tab20', len(df.id.unique()))
for idx, i in enumerate(df.id.unique()):
    subset = df[df['id']==i].sort_values('year')
    ax.plot(subset['year'], subset['money'], marker='o', linestyle='-', color=cmap(idx), label=f'id = {i}')

这样不管有多少个ID，每个ID的折线和标记点都会有独特且对应的颜色，再也不会搞混啦！

内容的提问来源于stack exchange，提问作者Marco