如何在NumPy/Python中为优化迭代散点图的点设置渐变颜色？

嘿，这个需求太常见了！要区分不同迭代次数的点，让颜色随n渐变，只需要给plt.scatter()加几个参数就行，我给你一步步拆解：

核心思路 #

利用matplotlib的颜色映射（colormap）功能，把每个点对应的迭代次数n作为颜色的依据，让颜色随着n的增大呈现连续渐变。

具体实现步骤 #

• 首先，创建一个和迭代点数量匹配的数组，用来表示每个点对应的迭代次数：

  import numpy as np
  # 假设x_test是shape为(N,2)的数组，N是总迭代次数+1（包含x0）
  n_values = np.arange(len(x_test))  # 生成[0,1,2,...,N-1]的数组，对应每个点的n值
  

• 修改你的scatter绘图代码，传入颜色参数c和颜色映射cmap：

  import matplotlib.pyplot as plt
  
  # 绘制带颜色渐变的迭代点
  scatter = plt.scatter(x_test[:,0], x_test[:,1], c=n_values, cmap='viridis', edgecolor='none')
  # 添加颜色条，明确颜色和迭代次数的对应关系
  plt.colorbar(scatter, label='迭代次数n')
  # 可选：添加坐标轴标签和标题
  plt.xlabel('xₙ₁')
  plt.ylabel('xₙ₂')
  plt.title('优化迭代点的颜色渐变展示')
  plt.show()
  

自定义渐变效果的小技巧 #

• 想要颜色从深到浅（反向渐变）？给colormap名称加个_r就行，比如cmap='viridis_r'
• 想换其他渐变风格？试试'coolwarm'、'plasma'、'inferno'这些内置colormap，或者自定义颜色
• 想让点的大小也随n变化？加上s参数：

  # 点大小随n增大而变大
  plt.scatter(x_test[:,0], x_test[:,1], c=n_values, cmap='viridis', s=30 + n_values*3, edgecolor='none')
  

完整示例代码（含模拟数据） #

如果你需要快速测试，可以用这段模拟迭代点的代码：

import numpy as np
import matplotlib.pyplot as plt

# 模拟优化迭代点：比如从(0,0)逐步收敛到(5,5)的迭代过程
np.random.seed(42)
n_iter = 20
x_test = np.zeros((n_iter, 2))
for i in range(1, n_iter):
    x_test[i] = x_test[i-1] + (5 - x_test[i-1])*0.2 + np.random.normal(0, 0.1, 2)

# 生成迭代次数数组
n_values = np.arange(n_iter)

# 绘图
scatter = plt.scatter(x_test[:,0], x_test[:,1], c=n_values, cmap='viridis', edgecolor='none', s=50)
plt.colorbar(scatter, label='迭代次数n')
plt.xlabel('xₙ₁')
plt.ylabel('xₙ₂')
plt.title('优化迭代点的颜色渐变效果')
plt.grid(alpha=0.3)
plt.show()

这样出来的图里，n越小的点颜色越浅（对应viridis的起始色），n越大的点颜色越深，完美区分迭代顺序～

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