在numpy / python中为散点图中的每个点着色不同[重复]

Question

我正在解决一个优化问题。有 n 次迭代，每次迭代都有一个点 x_n=[x_n1, x_n2]。我想绘制迭代 x_n 以便随着 n 的增加点的颜色变暗或变亮或其他。目前我可以绘制迭代，但它们都是相同的颜色，所以我不知道哪些点对应于更高的 n 值。

变量 x_test 是一个数组，其中包含从 x_0 到 x_n 的所有迭代。这是我绘制它的代码：

pl.scatter(x_test[:,0], x_test[:,1])
pl.show()

我找到了很多关于如何为图表着色的信息，但不是我想要的方式，每个点对应不同的明暗。

这是一个最小的、完整的、可验证的示例：

import numpy as np
import pylab as pl
x = np.array([[1,1],[1,2],[1,3],[2,4]])
pl.plot(x[:,0], x[:,1])

这给出了数组 x 中点的散点图，但我需要它们每个都是与 x 中的位置相对应的不同颜色，即 [1,1] 应该是最轻的，然后 [1,2] 将稍微变暗，等等，直到 [2,4] 最暗。

编辑：这是我采用的解决方案：

scaled_itera = np.array(range(x_test.shape[0]))/(float(x_test.shape[0])-1)
colors = pl.cm.coolwarm(scaled_itera)

pl.scatter(x_test[:,0], x_test[:,1], color=colors)
pl.show()

Answer 1

你需要遍历每个点

假设您的数据类似于

x = [[1,2],[3,4],[5,6],[7,8]]

然后，像

c_aray = ['black','green','red','blue']
for i in range(len(x)):
    xn = x[i]
    plt.plot(xn[0],xn[1],color = c_aray[i],'o')

Answer 2

你可以直接给plt.scatter()一个颜色列表。例如：你可以这样做：

import seaborn as sns
color_list = sns.color_palette("Paired", n_colors=x_test.shape[0])
plt.scatter(x_test[:,0], x_test[:,1], color=color_list)

如果您想继续使用matplotlib 获取颜色，请查看colormap_reference。

一个使用plt.cm的例子：

plt.scatter(x_test[:,0], x_test[:,1], color=plt.cm.Paired.colors[:x_test.shape[0]])