Matplotlib散点图：如何非硬编码按类别为点设置颜色

嘿，这个需求太常见了！不用手动写死颜色列表，我们可以利用数据里的类别列离散值让绘图库自动完成颜色映射，下面分几种常用工具给你具体实现方案：

方法1：用Matplotlib手动遍历（灵活可控） #

如果习惯用Matplotlib，我们可以借助内置的颜色映射表自动给每个类别分配颜色，新增类别时会自动适配：

import matplotlib.pyplot as plt

# 假设你的数据框df已处理好：索引是datetime类型的Dates，包含Counts列和Category类别列
fig, ax = plt.subplots(figsize=(10, 6))

# 获取所有唯一类别，自动生成对应颜色
unique_cats = df['Category'].unique()
# 用tab10色系（适合10个以内类别，多的话可以换tab20）
color_palette = plt.cm.tab10(range(len(unique_cats)))

# 遍历每个类别绘制散点
for cat, color in zip(unique_cats, color_palette):
    subset = df[df['Category'] == cat]
    ax.scatter(subset.index, subset['Counts'], label=cat, color=color, s=50)

# 完善图表细节
ax.set_xlabel('Dates', fontsize=12)
ax.set_ylabel('Counts', fontsize=12)
ax.legend(title='Category')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

这里的核心是plt.cm.tab10会根据类别数量自动生成对应数量的颜色，完全不用硬编码每个类别的颜色值。

方法2：用Seaborn一键实现（最省心） #

Seaborn对类别可视化的支持非常友好，只需要一个参数就能搞定自动颜色映射：

import seaborn as sns
import matplotlib.pyplot as plt

# 直接用hue参数指定类别列，自动分配颜色+生成图例
sns.scatterplot(data=df, x=df.index, y='Counts', hue='Category', s=50)

plt.xlabel('Dates')
plt.ylabel('Counts')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

这个方法最省心——Seaborn会自动识别Category列的所有离散值，给每个类别分配不同颜色，甚至连图例都帮你做好了。后续新增类别时，代码完全不用修改，直接运行就能适配。

方法3：用Pandas内置绘图（快速简洁） #

如果想直接用Pandas的plot方法，也可以通过指定c参数实现自动颜色映射：

# 用colormap指定色系，Pandas会自动把类别列映射到颜色
df.plot.scatter(x=df.index, y='Counts', c='Category', colormap='tab10', figsize=(10,6))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

不过这个方法需要注意：如果你的类别列是字符串类型，Pandas会先把它转换成数值再映射颜色，效果同样是自动分配，不用硬编码。

总结一下，最推荐用Seaborn的hue参数，代码最少且适配性最强；如果需要更精细的控制，Matplotlib的遍历方法更灵活。

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