Python单图绘制多散点图异常：仅显示最后一个图求助

嘿，我看到你的问题了——运行代码后只有最后一个类别的散点图显示，这是因为循环里犯了个变量名的小错误，而且代码缺少图例来区分不同类别。咱们来一步步修复，同时让代码能完美适配任意数量的类别（包括你现在的10个类别）：

问题根源 #

原代码的循环里，你用了parent_categories[parent_category_name]来筛选类别，但parent_category_name是DataFrame的列名，不是循环变量！循环变量是parent_category_n，这就导致每次循环都无法正确筛选对应类别的数据，最后只有最后一次循环偶然生效，所以只显示了最后一个类别。

修正后的完整代码 #

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

sample = [ ['For business', 0.7616104043587437], 
           ['For home and cottages', 0.6890139579274699], 
           ['Consumer electronics', 0.039868871866136635], 
           ['Personal things', 0.7487893699793786], 
           ['Services', 0.747226678171249], 
           ['Services', 0.23463661173977313], 
           ['Animals', 0.6504301798258314], 
           ['For home and cottages', 0.49567857024037665], 
           ['For home and cottages', 0.9852681814098107], 
           ['Transportation', 0.8134867587477912], 
           ['Animals', 0.49988690699674654], 
           ['Consumer electronics', 0.15086800344617235], 
           ['For business', 0.9485494576819328], 
           ['Hobbies and Leisure', 0.25766871111905243], 
           ['For home and cottages', 0.31704508627659533], 
           ['Animals', 0.6192114570078333], 
           ['Personal things', 0.5755788287287359], 
           ['Hobbies and Leisure', 0.10106922056341394], 
           ['Animals', 0.16834618003738577], 
           ['Consumer electronics', 0.7570803588496894] ]

train = pd.DataFrame(data=sample, columns=['parent_category_name','deal_probability'])
parent_categories = train['parent_category_name'].unique()
parent_categories_size = len(parent_categories)

fig, ax = plt.subplots(figsize=(12,10))
colors = iter(cm.rainbow(np.linspace(0, 1, parent_categories_size)))

# 直接遍历每个类别，避免索引错误
for category in parent_categories:
    # 筛选当前类别的数据
    category_data = train[train['parent_category_name'] == category]
    # 绘制散点图，添加label用于图例
    ax.scatter(
        range(len(category_data)), 
        np.sort(category_data['deal_probability'].values), 
        color=next(colors),
        label=category  # 添加类别标签
    )

plt.ylabel('likelihood that an ad actually sold something', fontsize=12)
plt.title('Distribution of likelihood that an ad actually sold something', fontsize=14)
# 添加图例，放在图外避免遮挡
plt.legend(title='Categories', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()  # 自动调整布局，适配图例
plt.show()

关键修改点 #

1. 修复循环逻辑：把基于索引的循环改成直接遍历parent_categories中的每个类别，彻底避免索引变量名混淆的问题，同时代码更易读。
2. 添加类别标签与图例：每个散点图加上label参数，最后调用plt.legend()，让你能清晰区分每个类别的数据分布。
3. 优化布局：用bbox_to_anchor把图例放在图的右侧，避免遮挡数据点，plt.tight_layout()自动调整整体布局。
4. 动态适配类别数量：颜色生成和循环逻辑完全基于parent_categories的长度，无论你后续数据集有多少类别，代码都能自动适配。

这样修改后，你就能在同一个Figure里看到所有10个类别的散点图，每个类别用不同颜色区分，还能通过图例清楚知道每个颜色对应的类别~

内容的提问来源于stack exchange，提问作者pablora