如何创建每个点有两种颜色的散点图？

debugcn 发表于 Dev

数据中心

我试图同时在matplotlib中绘制地面真相和我的分类。

目前，在应用tsne到特征空间并使用以下代码添加边缘之后，我仅绘制出了地沟真相

from matplotlib.collections import LineCollection
cols=['rgbkm'[lbl] for lbl in list(data.y.cpu().numpy() - 1)]

lc = LineCollection(X_embedded[out_dict['edges']],linewidth=0.05)
fig = plt.figure()
plt.gca().add_collection(lc)
plt.xlim(X_embedded[:,0].min(), X_embedded[:,0].max())
plt.ylim(X_embedded[:,1].min(), X_embedded[:,1].max())
plt.scatter(X_embedded[:,0],X_embedded[:,1], c=cols)

这给出了以下图：

同时，我希望以某种方式为每个顶点着色：

约翰·C

这是两种方法。

常规散点图的点可以具有内部颜色和边缘颜色。scatter为其中任何一个接受一个数组，但对两个都不接受。因此，您可以遍历所有边缘颜色，并在同一图上循环绘制它们。使用线宽可以帮助将真实的颜色和预测的颜色一起可视化。

Matplotlib的plot功能接受标记填充样式，该样式可能是上下双色或左右双色的。每个图只能给出一种类型的样式。因此，对于5种颜色，可以循环绘制25种组合。

奖励积分：

在循环显示颜色时，绘图可以生成带有相应双色点的图例标签。

这是一些代码来说明概念：

from matplotlib import pyplot as plt
from matplotlib.collections import LineCollection
import numpy as np

N = 50

labels = ['ant', 'bee', 'cat', 'dog', 'elk']  # suppose these are the labels for the prediction
colors = list('rgbkm') # a list of 5 colors
cols_true = np.repeat(range(5), N)  # suppose the first N have true color 0, the next N true color 1, ...
cols_pred = np.random.randint(0, 5, N * 5)  # as a demo, take a random number for each predicted color

# for x and y, suppose some 2D gaussian normal distribution around some centers,
#   this would make the 'true' colors nicely grouped 
x = np.concatenate([np.random.normal(cx, 2, N) for cx in [5, 9, 7, 2, 2]])
y = np.concatenate([np.random.normal(cy, 1.5, N) for cy in [2, 5, 9, 8, 3]])

fig, ax = plt.subplots(figsize=(10,6))
for tc in range(5):
    for pc in range(5):
        mask = (cols_true == tc) & (cols_pred == pc)
        plt.plot(x[mask], y[mask], c=colors[tc], markerfacecoloralt=colors[pc],
                 marker='.', linestyle='', markeredgecolor='None',
                 markersize=15, fillstyle='left', markeredgewidth=0,
                 label=f'Tr: {labels[tc]} - Pr: {labels[pc]}')
plt.legend(loc='upper right', bbox_to_anchor=(1, -0.1), fontsize=10, ncol=5)
plt.tight_layout()
plt.show()