Python中pyplot.scatter与numpy.arctan绘图异常问题咨询

这是个很典型的数值计算+可视化细节问题，咱们一步步拆解清楚：

1. np.arctan2和np.arctan的核心差异 #

你正确代码里用的np.arctan2(y, x)是专门为二维坐标点设计的极角计算函数：

• 它接受两个参数：纵坐标y和横坐标x，返回点(x,y)相对于原点的极角，取值范围是[-π, π]
• 能精准区分四个象限的角度：比如(x=-1,y=1)的极角是3π/4，(x=1,y=-1)的极角是-π/4，完全不会混淆象限

而np.arctan(y, x)是错误的调用方式！np.arctan本身只接受一个输入参数，硬传两个数组时，NumPy会触发广播机制乱算一通（甚至直接抛出TypeError）。如果是你笔误写成np.arctan(y/x)，那它计算的是y/x的反正切值，取值范围只有(-π/2, π/2)——这会把第二象限和第四象限的点、第一和第三象限的点的角度算成一样的，比如(x=-1,y=1)和(x=1,y=-1)的y/x都是-1，对应的arctan结果都是-π/4，颜色自然会混乱。

2. 参数c到底在控制什么？ #

plt.scatter()里的c参数是给每个散点单独指定颜色值：

• 如果传单一颜色（比如'blue'），所有点都会用这个颜色
• 如果传数组（长度和散点数量一致），matplotlib会把数组里的数值映射到当前颜色映射（colormap）上，将数值转换成对应颜色

在你的正确代码里，arctan2返回的极角和点的位置一一对应、连续变化，所以颜色会随着角度平滑过渡，生成按象限角度着色的散点图。但换成错误的arctan调用后，颜色值和点的实际位置失去对应关系，自然就变成“错误图形”了。

3. 还有哪些情况会导致错误图形？ #

除了角度计算错误，这些场景也会让散点图颜色异常：

• c数组的长度和散点数量不匹配：比如生成了1000个点，但c只有500个值，matplotlib要么报错要么颜色映射混乱
• 错误的颜色映射设置：比如用适合分类数据的colormap展示连续数值，或者没设置norm参数导致颜色范围被压缩
• 数据类型问题：比如c是整数数组且数值跨度极大，导致颜色变化被“挤”成几乎一样
• 混淆c和color参数：color是给所有点设置统一颜色，和c混用会完全打乱预期效果

内容的提问来源于stack exchange，提问作者money