针对matplotlib.pyplot.scatter函数不可以通过marker参数对不同类别点设置多种形状的问题的改善方法

我尝试将marker参数设置为列表或者和数据等长的列表也无济于事（官方也没有提供）。

 用到数据：

# 这是用到的数据
# 分别是X[:, 0],X[:, 1], y
"""
(array([ 9.96346605, 11.0329545 , 11.54155807,  8.69289001,  8.1062269 ,
         8.30988863, 11.93027136,  9.67284681,  8.34810316,  8.67494727,
         9.17748385, 10.24028948,  8.68937095,  8.92229526,  9.49123469,
         9.25694192,  7.99815287,  8.18378052,  8.7337095 ,  9.32298256,
        10.06393839,  9.50048972,  8.34468785,  9.50169345,  9.15072323,
        11.563957  ]),
 array([ 4.59676542, -0.16816717,  5.21116083,  1.54322016,  4.28695977,
         4.80623966,  4.64866327, -0.20283165,  5.13415623,  4.47573059,
         5.09283177,  2.45544401,  1.48709629, -0.63993225,  4.33224792,
         5.13284858,  4.8525051 ,  1.29564214,  2.49162431,  5.09840649,
         0.99078055, -0.26430318,  1.63824349,  1.93824624,  5.49832246,
         1.3389402 ]),
 array([1, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0,
        0, 0, 1, 0]))
"""

 下面是我的改善方法：

# 实现一种算法，解决scatter函数不可以一图多种形状的问题
import matplotlib.pyplot as plt
import numpy
import pandas
from typing import Any
# 思路： 分类点，然后分类画
def scatterDing(X : list or tuple or numpy.ndarray,
                y : list or tuple or numpy.ndarray,
                aim : list or tuple or numpy.ndarray,
                markers : dict,
                func : Any,
                **kwargs):
    """
    :param X: 横坐标集
    :param y: 纵坐标集
    :param markers: 对于某一符合集样式，markers是这些不同符合集的组成的字典，如{1 : '>', 0: '*'}
    :param aim: 决定性标签，比如对这类数据的分类
    :param func: 你所规定的算法，该函数返回值必须是字典组成的列表，因为要用来充当scatter参数
    :param kwargs: scatter接口参数
    :return:
    """
    assert set(aim).issubset(set(list(markers.keys()))) == True
    # 开始分类
    # 按照你设计的算法返回
    marker_s :list = func(X, y, aim, markers)
    for i in marker_s:
        plt.scatter(**i, **kwargs)

def apiFunc(X, y, aim, markers):
    a = numpy.c_[X, y, aim]
    df = pandas.DataFrame(a)
    reli = []
    for i in list(set(markers.keys())):
        index = numpy.where(df[2] == i)[0]
        x_ = [X[ii] for ii in index]
        y_ = [y[ii] for ii in index]
        dict_s = dict(x=x_, y=y_, marker=markers[i])
        reli.append(dict_s)
    return reli

scatterDing(X[:, 0], X[:, 1], y, {1 : 'o', 0: '*'}, apiFunc, s=105)

注: 这里scatterDing是实现函数，他的参数实质是继承了scatter原有参数，只不过通过调用func参数来实现scatter几个常用的参数。因此，func必须是一个返回字典组成列表的函数，你可以通过设计自己的分类方法，来决定新的画图方式，这里我的思路是将某一类的点赋予一种点状，以此类推，因此使用了：

assert set(aim).issubset(set(list(markers.keys()))) == True

断言——你分的类需要的种类是否是提供每种类对应点状集合的子集

效果展示：

 

 

 下面来尝试一下三类点，从创建一个新类2开始。（这样属于对应值0、1、2三种类）：

# 先创建更多数据并且合并
newS = numpy.random.rand(8) + numpy.random.randint(7, 13, 8)
newy = numpy.random.rand(8) + numpy.random.randint(-1, 6, 8)
newaim = numpy.ones(8, dtype=numpy.uint8) * 2
x1 = numpy.r_[X[:, 0], newS]
x2 = numpy.r_[X[:, 1], newy]
aiim = numpy.r_[y, newaim]

# 试效果
scatterDing(x1, x2, aiim, {1 : 'o', 0: '*', 2: 's'}, apiFunc, s=105)

 

 

效果很让我满意!

这里注意一个问题：由于scatter本来参数c可以根据不同目标类设置不同颜色（也只是颜色），但是我这个新方法是不能写入c参数的，这并不是一个缺陷，反而，scatter本就可以根据不同组点自动划分颜色，恰好我的这个新函数正符合这一特性（从上面两个图就可以看到）。（对于其他参数，不幸的是，我并没有测试是否有缺陷，不过目前这个方法对我来说刚好够用@_@。）