如何基于含时间序列的Pandas DataFrame绘制带颜色标记的散点图？

嘿，我来帮你搞定这个问题！你代码报错的核心原因有两个：一是plt.plot的着色逻辑和散点图不匹配，二是直接把原始数值传给cm.viridis不会生成正确的颜色映射（颜色映射函数需要0-1之间的归一化数值）。其实有个超简单的实现方式，用plt.scatter就可以完美解决。

推荐方法：使用plt.scatter（最简洁） #

plt.scatter天生支持按数值列给散点着色，还能自动处理数值归一化，甚至可以一键添加颜色条来解释颜色对应的含义。直接看修正后的代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 你的数据准备部分
mydatetimes = pd.to_datetime([
    '2015-05-01 18:00:12', '2015-05-01 18:01:12', '2015-05-01 18:02:12',
    '2015-05-01 18:03:12', '2015-05-01 18:04:12', '2015-05-01 18:05:11',
    '2015-05-01 18:06:11', '2015-05-01 18:07:11', '2015-05-01 18:08:12',
    '2015-05-01 18:09:12', '2015-05-01 18:10:12', '2015-05-01 18:11:12'
])
myvalues = np.array([45.0, 34.0, 35.0, 45.0, 23.0, 67.0, 78.0, 23.0, 87.0, 32.0, 58.0, 71.0])
myothervalues = np.array([803, 743, 682, 622, 562, 502, 383, 323, 263, 202, 142, 82])
mydatadf = pd.DataFrame({'mydates': mydatetimes, 'data1': myvalues, 'data2': myothervalues})

# 绘制带颜色映射的散点图
plt.figure(figsize=(10, 6))
# c参数传入要用来着色的列，cmap指定颜色映射
scatter = plt.scatter(mydatadf.mydates, mydatadf.data1, c=mydatadf.data2, cmap='viridis')
# 添加颜色条，标注颜色对应的数值含义
plt.colorbar(scatter, label='data2 数值')
# 旋转X轴日期，避免重叠
plt.xticks(rotation=45)
plt.xlabel('日期时间')
plt.ylabel('data1 数值')
plt.title('按data2着色的时间序列散点图')
# 自动调整布局，防止标签被截断
plt.tight_layout()
plt.show()

为什么这个方法有效？ #

• plt.scatter的c参数可以直接接受数值数组，它会自动把data2的数值归一化到0-1的范围，对应viridis颜色映射的渐变。
• 搭配plt.colorbar可以直观展示颜色和data2数值的对应关系，让图表更易读。
• 处理时间轴也很友好，Matplotlib会自动识别Pandas的datetime类型，正确显示日期。

如果你非要用plt.plot的修正方法 #

如果你坚持想用plt.plot来画点，那需要先手动归一化data2的数值，再生成颜色数组，代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.colors import Normalize

# 数据准备和之前一样
mydatetimes = pd.to_datetime([
    '2015-05-01 18:00:12', '2015-05-01 18:01:12', '2015-05-01 18:02:12',
    '2015-05-01 18:03:12', '2015-05-01 18:04:12', '2015-05-01 18:05:11',
    '2015-05-01 18:06:11', '2015-05-01 18:07:11', '2015-05-01 18:08:12',
    '2015-05-01 18:09:12', '2015-05-01 18:10:12', '2015-05-01 18:11:12'
])
myvalues = np.array([45.0, 34.0, 35.0, 45.0, 23.0, 67.0, 78.0, 23.0, 87.0, 32.0, 58.0, 71.0])
myothervalues = np.array([803, 743, 682, 622, 562, 502, 383, 323, 263, 202, 142, 82])
mydatadf = pd.DataFrame({'mydates': mydatetimes, 'data1': myvalues, 'data2': myothervalues})

# 归一化data2到0-1范围
norm = Normalize(vmin=mydatadf.data2.min(), vmax=mydatadf.data2.max())
colors = cm.viridis(norm(mydatadf.data2))

plt.figure(figsize=(10, 6))
# 逐个绘制每个点，指定颜色
for date, val, color in zip(mydatadf.mydates, mydatadf.data1, colors):
    plt.plot(date, val, '.', color=color)

# 手动创建颜色条
sm = cm.ScalarMappable(norm=norm, cmap='viridis')
sm.set_array([])
plt.colorbar(sm, label='data2 数值')

plt.xticks(rotation=45)
plt.xlabel('日期时间')
plt.ylabel('data1 数值')
plt.title('按data2着色的时间序列散点图（使用plt.plot）')
plt.tight_layout()
plt.show()

不过说实话，这种方法比plt.scatter麻烦很多，毕竟plt.plot主要是用来画连续线条的，处理散点着色不是它的强项，所以还是推荐第一种方法。

内容的提问来源于stack exchange，提问作者user2699676