使用matplotlib为不同的分类级别绘制不同的颜色

我有此数据帧diamonds，它由被等变量(carat, price, color)，我想画的散点图price来carat为每个color，这意味着不同的color具有在图中不同的颜色。

这很容易 R与ggplot：

ggplot(aes(x=carat, y=price, color=color),  #by setting color=color, ggplot automatically draw in different colors
       data=diamonds) + geom_point(stat='summary', fun.y=median)

我不知道如何在Python中使用matplotlib？

PS：

我知道辅助绘图软件包，例如seaborn和ggplot for python，我不喜欢它们，只是想了解是否有可能matplotlib单独使用; P 做这项工作。

您可以传递plt.scatter一个c参数，让您选择颜色。下面的代码定义了一个colors词典，用于将您的钻石颜色映射到绘图颜色。

import matplotlib.pyplot as plt
import pandas as pd

carat = [5, 10, 20, 30, 5, 10, 20, 30, 5, 10, 20, 30]
price = [100, 100, 200, 200, 300, 300, 400, 400, 500, 500, 600, 600]
color =['D', 'D', 'D', 'E', 'E', 'E', 'F', 'F', 'F', 'G', 'G', 'G',]

df = pd.DataFrame(dict(carat=carat, price=price, color=color))

fig, ax = plt.subplots()

colors = {'D':'red', 'E':'blue', 'F':'green', 'G':'black'}

ax.scatter(df['carat'], df['price'], c=df['color'].apply(lambda x: colors[x]))

plt.show()

df['color'].apply(lambda x: colors[x]) 有效地将颜色从“钻石”映射到“绘图”。

（原谅我没有放置另一个示例图像，我认为2就足够了：P）

用 seaborn

您可以使用seaborn其中的一个包装器matplotlib，使其在默认情况下看起来更漂亮（我基于观点，我知道：P），但是还添加了一些绘图功能。

为此，您可以使用seaborn.lmplotwith fit_reg=False（这样可以防止它自动进行某些回归）。

以下代码使用示例数据集。通过选择，hue='color'您可以告诉seaborn根据您的颜色拆分数据框，然后绘制每个数据框。

import matplotlib.pyplot as plt
import seaborn as sns

import pandas as pd

carat = [5, 10, 20, 30, 5, 10, 20, 30, 5, 10, 20, 30]
price = [100, 100, 200, 200, 300, 300, 400, 400, 500, 500, 600, 600]
color =['D', 'D', 'D', 'E', 'E', 'E', 'F', 'F', 'F', 'G', 'G', 'G',]

df = pd.DataFrame(dict(carat=carat, price=price, color=color))

sns.lmplot('carat', 'price', data=df, hue='color', fit_reg=False)

plt.show()

不seaborn使用pandas.groupby

如果您不想使用seaborn，则可以使用它pandas.groupby来单独获得颜色，然后仅使用matplotlib绘制颜色，但是您必须随行手动分配颜色，下面添加了一个示例：

fig, ax = plt.subplots()

colors = {'D':'red', 'E':'blue', 'F':'green', 'G':'black'}

grouped = df.groupby('color')
for key, group in grouped:
    group.plot(ax=ax, kind='scatter', x='carat', y='price', label=key, color=colors[key])

plt.show()

此代码假定与上述相同的DataFrame，然后根据对其进行分组color。然后，对这些组进行迭代，为每个组进行绘制。为了选择一种颜色，我创建了一个colors字典，该字典可以将菱形颜色（例如D）映射为真实颜色（例如red）。

这是使用深蓝色调色板的简洁通用解决方案。

首先找到您喜欢的调色板，然后可视化它：

sns.palplot(sns.color_palette("Set2", 8))

然后，您可以通过以下方式使用它matplotlib：

# Unique category labels: 'D', 'F', 'G', ...
color_labels = df['color'].unique()

# List of RGB triplets
rgb_values = sns.color_palette("Set2", 8)

# Map label to RGB
color_map = dict(zip(color_labels, rgb_values))

# Finally use the mapped values
plt.scatter(df['carat'], df['price'], c=df['color'].map(color_map))

使用Altair。

from altair import *
import pandas as pd

df = datasets.load_dataset('iris')
Chart(df).mark_point().encode(x='petalLength',y='sepalLength', color='species')

我有同样的问题，并且整天都在尝试不同的软件包。

我最初使用的是matlibplot：并且对将类别映射到预定义的颜色都不满意。或分组/聚合，然后遍历各组（并且仍然必须映射颜色）。我只是觉得这是糟糕的软件包实施。

Seaborn无法处理我的案件，而Altair仅可在Jupyter Notebook内部使用。

对我而言，最好的解决方案是PlotNine，它“是基于ggplot2的Python图形语法的实现”。

以下是在Python中复制R示例的积木式代码：

from plotnine import *
from plotnine.data import diamonds

g = ggplot(diamonds, aes(x='carat', y='price', color='color')) + geom_point(stat='summary')
print(g)

如此干净和简单:)

这是定性颜色图中的标记和颜色的组合matplotlib：

import itertools
import numpy as np
from matplotlib import markers
import matplotlib.pyplot as plt

m_styles = markers.MarkerStyle.markers
N = 60
colormap = plt.cm.Dark2.colors  # Qualitative colormap
for i, (marker, color) in zip(range(N), itertools.product(m_styles, colormap)):
    plt.scatter(*np.random.random(2), color=color, marker=marker, label=i)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0., ncol=4);

使用df.plot（）

通常，在快速绘制DataFrame时，我使用pd.DataFrame.plot()。这将索引作为x值，将值作为y值，并分别用不同的颜色绘制每列。这种格式的DataFrame可以通过使用set_index和来实现unstack。

import matplotlib.pyplot as plt
import pandas as pd

carat = [5, 10, 20, 30, 5, 10, 20, 30, 5, 10, 20, 30]
price = [100, 100, 200, 200, 300, 300, 400, 400, 500, 500, 600, 600]
color =['D', 'D', 'D', 'E', 'E', 'E', 'F', 'F', 'F', 'G', 'G', 'G',]

df = pd.DataFrame(dict(carat=carat, price=price, color=color))

df.set_index(['color', 'carat']).unstack('color')['price'].plot(style='o')
plt.ylabel('price')

使用此方法，您不必手动指定颜色。

对于其他数据系列，此过程可能更有意义。就我而言，我有时间序列数据，因此MultiIndex包含日期时间和类别。也可以将这种方法用于多于一列的颜色，但是图例变得一团糟。

我通常使用基于Matplotlib构建的Seaborn来执行此操作

import seaborn as sns
iris = sns.load_dataset('iris')
sns.scatterplot(x='sepal_length', y='sepal_width',
              hue='species', data=iris);