在散点图中突出显示特定点（基于条件）

Question

我有一个 numpy 数组，我将其转换为数据框以在 matplotlib.pytplot 中对其进行可视化：

x = np.array([[10,10,1], [10,20,0], [10,3,0]])
df = pd.DataFrame(x, columns=["x", "y", "z"])

如果我根据列 z 作为颜色绘制散点图，我会得到以下输出（请注意，我使用的是不同的值）：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
df["val"] = df['z'].apply(lambda x: "red" if x==1 else "blue")
ax.scatter(x=df["x"], y=df["y"], c=df["val"], s=100)
fig = plt.gcf()
fig.set_size_inches(15, 10)
plt.plot()

所以所有的红点都没有显示在图中。 我怎样才能突出它们？

如果我运行 seaborn 它可以工作，但是在 matplotlib 中有没有办法：

import seaborn as sns
sns.lmplot('x', 'y', data =df, hue='z', fit_reg=False)
fig = plt.gcf()
fig.set_size_inches(15, 10)
plt.show()

类似的问题： 如何使用 Matplotlib 突出显示点云中的一个点？ 只会使点变大，但不会将它们放在前面。 这在某种程度上是误导性的。

Answer 1

为什么不单独绘制它们，以便设置不同的参数？ 最重要的是，如果您在之后绘制红点，它们将位于蓝色点之上。

这是一个基于您的示例：

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

x = np.array([np.random.rand(2000), np.random.rand(2000), np.random.rand(2000)])
df = pd.DataFrame(np.transpose(x), columns=["x", "y", "z"])

fig, ax = plt.subplots()
df["val"] = df['z'].apply(lambda x: "red" if x>.9 else "blue")

not_red_df = df.loc[df['val'] != 'red']
red_df = df.loc[df['val'] == 'red']

ax.scatter(x=not_red_df["x"], y=not_red_df["y"], c=not_red_df["val"], s=100)
ax.scatter(x=red_df["x"], y=red_df["y"], c=red_df["val"], s=100)

fig = plt.gcf()
plt.plot()

Answer 2

您可以对数据进行排序，以便最后绘制前景点，如以下示例的下图所示：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(pd.np.random.rand(1000,3), columns=["x", "y", "z"])
df.z = df.z.add(.1).astype(int)
df["val"] = df['z'].apply(lambda x: "red" if x==1 else "blue")

df1 = df.sort_values('z')

fig, ax = plt.subplots(2)
ax[0].scatter(x=df["x"], y=df["y"], c=df["val"], s=100)
ax[1].scatter(x=df1["x"], y=df1["y"], c=df1["val"], s=100)