如何在matplotlib中为散点图中的每个点绘制不同深浅的颜色？

Question

我试图绘制一个散点图，其中散点图中的每个点都应对应于我选择的给定颜色的特定阴影。 mpl 文档指出，如果我设置如下：

color = '0.7'

它给了我一个灰色阴影，缩放强度为0.7 。 我正在从一个数组中读取颜色的强度，该数组的值介于 0 和 1 之间，每个值对应于散点图中该点的强度。 我的代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
import math

tsne_embeddings = np.load("tsne_embeddings.npy")
labels = np.load('labels.npy')
weights = np.load('weights.npy')
# Scale the weights from 0 to 1
max_weight = max(weights)
min_weight = min(weights)
weights = (weights - min_weight)/(max_weight - min_weight)
print(tsne_embeddings.shape)
x = list(tsne_embeddings[:,0])
y = list(tsne_embeddings[:,1])
labels = list(labels)

weights = np.round(weights,decimals=2)
weights = (np.exp(weights) - 1)/(np.exp(1) - 1)
weights = list(weights)
print(min(weights),max(weights))

for i, shade in enumerate(weights):
    plt.scatter(x[i],y[i],color=shade,marker = '+')

plt.show()

我正在以指数方式缩放这些权重，希望有更好的变化。 所以，基本上，我的问题是：

1. 如何更改颜色以表示蓝色或红色或绿色的阴影，而不仅仅是灰度？
2. 我遵循的灰度方法是否正确？

谢谢！

Answer 1

为了使您的方法适用于灰色阴影，您需要将值转换为字符串，因此plt.scatter(..., color=str(shade)) 。

使用 matplotlib 的更标准的方法是直接使用权重，而不将它们重新缩放到范围0到1 ，使用颜色图，并直接使用数组调用 scatter 。 权重进入c=参数。 对于灰度值，这将是plt.scatter(x, y, c=weights, cmap='Greys', marker='+') 。 matplotlib 的一个附加功能是，有了这些信息，它可以自动创建一个颜色条，将灰度值映射到相应的权重。 如果只创建一个散点图，不带参数的plt.colorbar()将显示此颜色条。

类似的颜色图存在于“紫色”、“蓝色”、“绿色”、“橙色”、“红色”……请参阅官方文档和完整列表。 如果明暗范围错误，在名称后附加“_r”将使用相反的颜色范围（因此，“Greys”从白色变为黑色，而“Greys_r”从黑色变为白色）。

这是一个工作示例，使用三个数组的 1 到 10 的值：

from matplotlib import pyplot as plt
import numpy as np

x = np.arange(1, 11)
y = np.arange(1, 11)
weights = np.arange(1, 11)
plt.scatter(x, y, c=weights, cmap='Greys', marker='+')
plt.colorbar()
plt.show()

Answer 2

您可以在 python 中使用颜色图来生成不同深浅的蓝绿色等https://matplotlib.org/3.1.0/tutorials/colors/colormaps.html我在这里使用蓝色颜色图

import matplotlib.pyplot as plt
import matplotlib as mpl
norm = mpl.colors.Normalize(vmin=min(weights), vmax=max(weights))
cmap = mpl.cm.ScalarMappable(norm=norm, cmap=mpl.cm.Blues)
for i, xi in enumerate(x):
    plt.scatter(x[i],y[i],color=cmap.to_rgba(i+1),marker = '+')
plt.show()