如何用指定比例的两种颜色填充Matplotlib散点图标记

嘿，刚好我之前处理过类似的需求，给你两个可行的解决方案，帮你实现自定义填充比例的散点标记，或者用饼图当标记～

这个方法用matplotlib的扇形（Wedge）组件组合出带占比的标记，能精确控制两种颜色的填充比例，而且性能很好，适合大数据量。

完整代码示例 #

import matplotlib.pyplot as plt
import pandas as pd
import matplotlib.patches as patches

# 模拟你的DataFrame结构（替换成你实际的数据）
df = pd.DataFrame({
    'regions': ['North', 'South', 'East', 'West', 'North'],
    'x': [1, 2, 3, 4, 5],
    'y': [10, 8, 12, 9, 11],
    'fill_pct': [35, 60, 20, 75, 50]  # 自定义的填充占比（0-100）
})

fig, ax = plt.subplots(figsize=(16,7))

# 给不同区域设置专属的颜色对（适配你原来按region循环的逻辑）
region_colors = {
    'North': ('#1f77b4', '#ff7f0e'),
    'South': ('#2ca02c', '#d62728'),
    'East': ('#9467bd', '#8c564b'),
    'West': ('#e377c2', '#7f7f7f')
}

# 控制标记大小（数值越大标记越大）
marker_size = 1200

for idx, row in df.iterrows():
    x, y, pct = row['x'], row['y'], row['fill_pct']
    region = row['regions']
    color1, color2 = region_colors[region]
    
    # 计算扇形对应的角度（占比转成360度制）
    fill_angle = pct / 100 * 360
    # 根据标记大小计算半径（确保大小和视觉效果匹配）
    radius = (marker_size ** 0.5) / 22
    
    # 绘制占比部分的扇形
    wedge_fill = patches.Wedge((x, y), radius, 0, fill_angle, facecolor=color1, edgecolor='white', linewidth=0.8)
    ax.add_patch(wedge_fill)
    # 绘制剩余部分的扇形
    wedge_rest = patches.Wedge((x, y), radius, fill_angle, 360, facecolor=color2, edgecolor='white', linewidth=0.8)
    ax.add_patch(wedge_rest)

# 调整坐标轴范围，确保所有标记都完整显示
ax.set_xlim(df['x'].min() - 0.8, df['x'].max() + 0.8)
ax.set_ylim(df['y'].min() - 0.8, df['y'].max() + 0.8)
plt.title('Scatter Plot with Custom Fill Percentage')
plt.show()

关键说明 #

• 每个标记由两个扇形拼接而成，角度完全由你的fill_pct列控制，想设多少占比就设多少
• 通过region_colors字典可以给不同区域设置不同的颜色组合，完美适配你原来按region循环的逻辑
• 标记大小和半径的对应关系可以通过调整radius计算里的除数来微调，找到你最满意的视觉效果

如果你的需求不止两种颜色，或者想更直观地展示占比，这个方法会更合适——在每个散点的位置绘制一个迷你饼图作为标记。

完整代码示例 #

import matplotlib.pyplot as plt
import pandas as pd

# 模拟你的DataFrame结构
df = pd.DataFrame({
    'regions': ['North', 'South', 'East', 'West'],
    'x': [1, 2, 3, 4],
    'y': [10, 8, 12, 9],
    'fill_pct': [35, 60, 20, 75]
})

fig, ax = plt.subplots(figsize=(16,7))

# 饼图大小（根据你的坐标轴范围调整，数值越大饼图越大）
pie_dim = 0.15

# 区域颜色配置
region_colors = {
    'North': ('#1f77b4', '#ff7f0e'),
    'South': ('#2ca02c', '#d62728'),
    'East': ('#9467bd', '#8c564b'),
    'West': ('#e377c2', '#7f7f7f')
}

for idx, row in df.iterrows():
    x, y, pct = row['x'], row['y'], row['fill_pct']
    region = row['regions']
    colors = region_colors[region]
    
    # 在当前点位置创建嵌入子图
    pie_ax = ax.inset_axes([x - pie_dim/2, y - pie_dim/2, pie_dim, pie_dim])
    # 绘制迷你饼图，展示占比和剩余部分
    pie_ax.pie([pct, 100-pct], colors=colors, wedgeprops={'linewidth':0.5})
    # 隐藏子图的坐标轴，只保留饼图
    pie_ax.axis('off')

# 调整坐标轴范围
ax.set_xlim(df['x'].min() - 0.8, df['x'].max() + 0.8)
ax.set_ylim(df['y'].min() - 0.8, df['y'].max() + 0.8)
plt.title('Scatter Plot with Pie Chart Markers')
plt.show()

关键说明 #

• 用inset_axes在每个散点坐标处生成小画布，然后绘制饼图，视觉上就是饼图作为标记
• 如果需要展示超过两种类别，只需要修改pie函数的输入列表和对应的颜色列表即可
• 注意：如果你的数据量很大（比如上千个点），这个方法的性能会稍差，因为每个饼图都是独立的子图，此时方案一会更合适

内容的提问来源于stack exchange，提问作者Charlotte