Pyplot散点图颜色映射样式调整及相关技术问题咨询

看起来你当前的代码在颜色映射上可能没处理到位，导致样式不符合预期。我帮你梳理几个关键调整点，一步步优化你的散点图：

核心问题分析 #

你手动将C除以320来归一化，但C的最小值是20，这样归一化后的范围是0.0625到1，会让颜色集中在colormap的后半段，没法充分利用颜色梯度来区分不同C值的点。另外，缺少颜色条也会让观看者无法明确颜色和C值的对应关系。

优化后的代码示例 #

import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

# 替换成你实际的A、B、C数组
# A = your_A_array
# B = your_B_array
# C = your_C_array

fig, ax2 = plt.subplots()

# 关键调整：使用Normalize处理C的真实范围，搭配合适的配色方案
scatter_plot = ax2.scatter(
    A, B,
    c=C,  # 直接传入C，让matplotlib处理颜色映射
    norm=Normalize(vmin=20, vmax=320),  # 绑定C的取值范围到颜色梯度
    s=7,
    marker='.',
    edgecolor='none',
    cmap='viridis'  # 推荐的色盲友好型配色，也可以换成'plasma'/'coolwarm'等
)

# 添加颜色条，明确颜色与C值的对应关系
plt.colorbar(scatter_plot, ax=ax2, label='C的取值')

# 固定坐标轴范围，确保所有数据点都显示在图内
ax2.set_xlabel('A的取值')
ax2.set_ylabel('B的取值')
ax2.set_xlim(8.0, 12.0)
ax2.set_ylim(0.5, 2.0)

plt.show()

各调整项的作用 #

• 使用Normalize替代手动除法：让C的最小值20对应colormap的最浅色，最大值320对应最深色，颜色分布更均匀，能清晰区分不同C值的散点。
• 指定cmap配色：默认配色可能对比度不足，viridis是matplotlib官方推荐的配色，对色盲友好，渐变过渡自然。如果想要反转颜色，可以用viridis_r。
• 添加颜色条：解决“颜色对应C值不明确”的问题，让图表的可读性大幅提升。
• 固定坐标轴范围：避免matplotlib自动缩放导致部分数据点被截断，确保A(8-12)、B(0.5-2.0)的所有点都在视图内。

如果还有其他样式需求（比如调整点的透明度、更换marker样式、修改颜色梯度的对比度等），可以随时补充具体要求，我再帮你调整~

内容的提问来源于stack exchange，提问作者Courage_2018