函数中是否有像 scatter3D 的 cmp(colormaps) 之类的参数：pd.plotting.scatter_matrix？

Question

我有这样的代码，按标签分类：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data
y = iris.target
df = pd.DataFrame(X, columns = iris.feature_names)

pd.plotting.scatter_matrix(df, c=y)

但是，我想要结果中的定性颜色图，例如 cmap 中的“Dark2”

fig = plt.figure()
ax = plt.axes(projection = '3d')
ax.scatter3D(df.values[:,0], df.values[:,1], df.values[:,2], c=y, cmap = 'Dark2')
plt.show()

有没有什么方法可以实现，另外我找到了方法in other question

color_wheel = {1: "#0392cf", 
               2: "#7bc043", 
               3: "#ee4035"}
colors = iris_data["target"].map(lambda x: color_wheel.get(x + 1))

在做散点图之前加个color_wheel，但是问题是不知道颜色是不是定性的，当label个数不确定的时候...

Answer 1

scatter_matrix 的所有不匹配的**kwargs 都传递给pyplot.scatter，因此，如果不需要将特定颜色分配给特定组，cmap 可以直接传递给scatter_matrix：

pd.plotting.scatter_matrix(df, c=y, cmap='Dark2')