Python中的plt.scatter函数如何自定义颜色空间（附详细代码）

叁歲伎倆 2023-09-28 17:09 9阅读 0赞

首先我们看一下plt.scatter函数的参数：

**plt.scatter()函数用于生成一个scatter散点图。**

matplotlib.pyplot.scatter(x, y, 
        s=20, 
        c='b', 
        marker='o', 
        cmap=None, 
        norm=None, 
        vmin=None, 
        vmax=None, 
        alpha=None, 
        linewidths=None, 
        verts=None, 
        hold=None, 
        **kwargs)

**参数：**  
`x，y`：表示的是shape大小为(n,)的数组，也就是我们即将绘制散点图的数据点，输入数据。

`s`：表示的是大小，是一个标量或者是一个shape大小为(n,)的数组，可选，默认20。

`c`：表示的是色彩或颜色序列，可选，默认蓝色’b’。但是c不应该是一个单一的RGB数字，也不应该是一个RGBA的序列，因为不便区分。c可以是一个RGB或RGBA二维行数组。

`marker`：MarkerStyle，表示的是标记的样式，可选，默认’o’。

`cmap`：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap，可选，默认None。

`norm`：Normalize，数据亮度在0-1之间，也是只有c是一个浮点数的数组的时候才使用。如果没有申明，就是默认None。

`vmin，vmax`：标量，当norm存在的时候忽略。用来进行亮度数据的归一化，可选，默认None。

`alpha`：标量，0-1之间，可选，默认None。

`linewidths`：也就是标记点的长度，默认None。

### 举例 ###

from sklearn.datasets import make_classification
    X, y = make_classification(n_samples=500,
                               n_features=10,
                               n_classes=5,
                               n_informative=4,                          
                               random_state=0)

# 默认绘图
    import matplotlib.pyplot as plt
    plt.figure(figsize=(8, 8))
    plt.scatter(X[:, 0], X[:, 1], marker='o')

![36f302fc66f942369117a5e19a433d56.png][]  
**指定参数c**：

plt.figure(figsize=(8, 8))
    plt.scatter(X[:, 0], X[:, 1], marker='o', c='g')

![6eb4aa21c10841d0a00d79391e16c5fe.png][]  
参数c 可以等于：\[‘c’, ‘b’, ‘g’, ‘r’, ‘m’, ‘y’, ‘k’, ‘w’\]

b——blue  
c——cyan  
g——green  
k——black  
m——magenta  
r——red  
w——white  
y——yellow

### 提出问题： ###

在机器学习的过程中，我们会遇到这样一个问题:

根据不同的数据标签来绘制出不同颜色的散点图；数据标签可以是监督学习中的`y`，也可以是分类问题中的类别。此时，我们该如何实现呢？  
我们先展示一下数据集的样子:

path='./SVM-Project/testSet.txt'
    dataset=pd.read_table(path,names=['X1','X2','y'])
    print(dataset)

X1        X2  y
    0   3.542485  1.977398 -1
    1   3.018896  2.556416 -1
    2   7.551510 -1.580030  1
    3   2.114999 -0.004466 -1
    4   8.127113  1.274372  1
    ..       ...       ... ..
    95  2.609525  0.902979 -1
    96  3.263585  1.367898 -1
    97  2.912122 -0.202359 -1
    98  1.731786  0.589096 -1
    99  2.387003  1.573131 -1
    
    [100 rows x 3 columns]

接下来我们绘制可视化图形:

**内置的颜色图**

plt.scatter(np.array(dataset['X1']),np.array(dataset['X2']),c=np.array(dataset['y']))
    plt.show()

![c9c389c343184b5caf0473d67461a362.png][]  
此时也可以自定义颜色，但是`cmap`对应的颜色空间为：

按从A—Z—a—z顺序排列：

1）Accent, Blues, BrBG, BuGn, BuPu, CMRmap,
     Dark2, GnBu, Greens, Greys, OrRd, Oranges, 
     PRGn, Paired, Pastel1, Pastel2, PiYG, PuBu,
     PuBuGn, PuOr, PuRd, Purples, RdBu RdGy, RdPu,
     RdYlBu, RdYlGn, Reds, Set1, Set2, Set3, Spectral,
     Wistia, YlGn, YlGnBu, YlOrBr, YlOrRd

2）afmhot, autumn, binary, bone, brg bwr, 
    cividis, cool, coolwarm, copper, cubehelix, 
    flag, gist_earth, gist_gray, gist_heat, 
    gist_ncar gist_rainbow, gist_stern, gist_yarg, 
    gnuplot, gnuplot2, gray, hot, hsv, inferno, 
    jet, magma, nipy_spectral, ocean, pink, plasma, 
    prism, rainbow, seismic, spring, summer, tab10, 
    tab20, tab20b, tab20c, terrain, twilight, 
    twilight_shifted, viridis, winter

使用的时候要注意大小写

**自定义颜色空间**

mpl.colors.ListedColormap

**ListedColormap定制的是离散型色板，颜色会根据色板列表循环。**

plt.figure(figsize=(10,6))
    cm=mpl.colors.ListedColormap(['g','r'])
    plt.scatter(np.array(dataset['X1']),np.array(dataset['X2']),c=np.array(dataset['y']),cmap=cm)
    plt.show()

![77ea3d4793e0448594e8ccbcc28d4001.png][]

[36f302fc66f942369117a5e19a433d56.png]: https://img-blog.csdnimg.cn/36f302fc66f942369117a5e19a433d56.png
[6eb4aa21c10841d0a00d79391e16c5fe.png]: https://img-blog.csdnimg.cn/6eb4aa21c10841d0a00d79391e16c5fe.png
[c9c389c343184b5caf0473d67461a362.png]: https://img-blog.csdnimg.cn/c9c389c343184b5caf0473d67461a362.png
[77ea3d4793e0448594e8ccbcc28d4001.png]: https://img-blog.csdnimg.cn/77ea3d4793e0448594e8ccbcc28d4001.png