基于DataFrame类别为散点图数据点颜色编码的报错求助

嗨，我来帮你搞定这个问题！你遇到的报错原因很明确：pd.unique(df['Category'])得到的是不同类别的列表（比如你这里有37个独特类别），但plt.scatter()的c参数需要和你的X、Y数据长度完全一致的序列——每个数据点都得对应一个颜色标识，而不是直接传类别本身。

下面给你两种实用的解决方案：

方法1：将类别转换为数值编码（适合类别较多的情况） #

用pandas的factorize()方法把每个类别映射成唯一整数，这样每个数据点都能对应一个数值，c参数就能正确识别：

import pandas as pd
import matplotlib.pyplot as plt

# 给每个类别生成唯一的数值编码
df['cat_code'] = pd.factorize(df['Category'])[0]

# 绘制散点图，用数值编码做颜色映射
plt.scatter(df['X'], df['Y'], c=df['cat_code'], cmap='viridis')

# 添加颜色条并对应回类别名称
unique_cats = pd.unique(df['Category'])
color_bar = plt.colorbar(ticks=range(len(unique_cats)))
color_bar.set_ticklabels(unique_cats)
color_bar.set_label('Category')

plt.show()

方法2：自定义类别-颜色映射（适合类别较少、需要固定颜色的情况） #

如果你的类别数量不多，可以直接给每个类别指定固定颜色，更直观：

import pandas as pd
import matplotlib.pyplot as plt

# 自定义每个类别的颜色（按需扩展）
color_map = {
    'A': '#FF5733',
    'B': '#33FF57',
    'C': '#3357FF',
    # 其他类别继续添加...
}

# 用map方法把类别转换成对应的颜色
plt.scatter(df['X'], df['Y'], c=df['Category'].map(color_map))

# 添加图例
handles = [plt.scatter([], [], color=color_map[cat], label=cat) for cat in color_map.keys()]
plt.legend(handles=handles, title='Category')

plt.show()

两种方法都能解决你原来的长度不匹配问题，根据你的类别数量和需求选就行～

内容的提问来源于stack exchange，提问作者user287474