将图例添加到颜色为动态的matplotlib散点图

Question

我使用Matplolib和熊猫数据帧创建了一个散点图，现在我想给它添加一个图例。这是我的代码：

colors = ['red' if x >= 150 and x < 200 else 
          'green' if x >= 200 and x < 400 else
          'purple' if x >= 400 and x < 600 else
          'yellow' if x >= 600 else 'teal' for x in myData.R]


ax1.scatter(myData.X, myData.Y, s=20, c=colors, marker='_', label='Test')
ax1.legend(loc='upper left', frameon=False)

这里发生的是，根据myData的值。R，散点图中点的颜色将改变。所以，因为颜色是“动态的”，我在创造传奇时遇到了很多麻烦。实际的代码只会创建一个带有一个名为“测试”的标签的图例，而附近没有任何颜色。

以下是数据示例：

       X  Y    R
0      1  945  1236.334519
0      1  950   212.809352
0      1  950   290.663847
0      1  961   158.156856

我试过了，但我不明白的是：

>

如何动态设置图例的标签？例如，我的代码说'red'if x

尝试以下操作后，我只得到一个带有单个标签“Classes”的图例：

`legend1=ax1。图例（*scatter.legend_elements（），loc=“左下”，title=“Classes”）

ax1。添加艺术家（传奇1）`

感谢您的任何建议！




Answer 1

可以加速的代码的一部分是使用普通的Python循环创建字符串列表。熊猫非常有效地使用Numpy的过滤。散点图的绘制主要取决于点的数量，当所有点一次绘制或分五个部分单独绘制时，点的数量不会改变。

一些使用matplotlib在循环中分散的示例代码：

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

N = 500
myData = pd.DataFrame({'X': np.round(np.random.uniform(-1000, 1000, N), -2), 
                       'Y': np.random.uniform(-800, 800, N)})
myData['R'] = np.sqrt(myData.X ** 2 + myData.Y ** 2)

fig, ax1 = plt.subplots()

bounds = [150, 200, 400, 600]
colors = ['teal', 'red', 'green', 'purple', 'gold']
for b0, b1, col in zip([None]+bounds, bounds+[None], colors):
    if b0 is None:
        filter = (myData.R < b1)
        label = f'$ R < {b1} $'
    elif b1 is None:
        filter = (myData.R >= b0)
        label = f'${b0} ≤ R $'
    else:
        filter = (myData.R >= b0) & (myData.R < b1)
        label = f'${b0} ≤ R < {b1}$'
    ax1.scatter(myData.X[filter], myData.Y[filter], s=20, c=col, marker='_', label=label)
ax1.legend()
plt.show()

或者，熊猫的cut可用于创建类别，seaborn的特征（如其hue参数）可进行着色并自动创建图例。

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

N = 500
myData = pd.DataFrame({'X': np.round( np.random.uniform(-1000, 1000, N),-2), 'Y': np.random.uniform(-800, 800, N)})
myData['R'] = np.sqrt(myData.X ** 2 + myData.Y ** 2)

fig, ax1 = plt.subplots()

bounds = [150, 200, 400, 600]
colors = ['teal', 'red', 'green', 'purple', 'gold']

hues = pd.cut(myData.R, [0]+bounds+[2000], right=False)
sns.scatterplot(myData.X, myData.Y, hue=hues, hue_order=hues.cat.categories, palette=colors, s=20, marker='_', ax=ax1)
plt.show()