你也可以创建一个颜色列表，其中包括你在散点图中需要的所有颜色，并将其作为一个参数，如下所示:

colors = ["red", "blue", "green"]
plt.scatter(X, Y, color = colors)

你总是可以像这样使用plot()函数:

import matplotlib.pyplot as plt

import numpy as np

x = np.arange(10)
ys = [i+x+(i*x)**2 for i in range(10)]
plt.figure()
for y in ys:
    plt.plot(x, y, 'o')
plt.show()

我不知道你说的“手动”是什么意思。你可以很容易地选择一个颜色地图并创建一个颜色数组:

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm

x = np.arange(10)
ys = [i+x+(i*x)**2 for i in range(10)]

colors = cm.rainbow(np.linspace(0, 1, len(ys)))
for y, c in zip(ys, colors):
    plt.scatter(x, y, color=c)

或者你可以使用itertools创建自己的颜色循环器。循环并指定你想要循环的颜色，使用next来获得你想要的颜色。例如，用3种颜色:

import itertools

colors = itertools.cycle(["r", "b", "g"])
for y in ys:
    plt.scatter(x, y, color=next(colors))

仔细想想，也许第一个也不使用zip更干净:

colors = iter(cm.rainbow(np.linspace(0, 1, len(ys))))
for y in ys:
    plt.scatter(x, y, color=next(colors))

这对我来说很管用:

对于每个系列，使用随机RGB颜色生成器

c = color[np.random.random_sample(), np.random.random_sample(), np.random.random_sample()]

对于大数据集和有限数量的颜色，一个更快的解决方案是使用Pandas和groupby函数:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import time


# a generic set of data with associated colors
nsamples=1000
x=np.random.uniform(0,10,nsamples)
y=np.random.uniform(0,10,nsamples)
colors={0:'r',1:'g',2:'b',3:'k'}
c=[colors[i] for i in np.round(np.random.uniform(0,3,nsamples),0)]

plt.close('all')

# "Fast" Scatter plotting
starttime=time.time()
# 1) make a dataframe
df=pd.DataFrame()
df['x']=x
df['y']=y
df['c']=c
plt.figure()
# 2) group the dataframe by color and loop
for g,b in df.groupby(by='c'):
    plt.scatter(b['x'],b['y'],color=g)
print('Fast execution time:', time.time()-starttime)

# "Slow" Scatter plotting
starttime=time.time()
plt.figure()
# 2) group the dataframe by color and loop
for i in range(len(x)):
    plt.scatter(x[i],y[i],color=c[i])
print('Slow execution time:', time.time()-starttime)

plt.show()

这个问题在2013年1月和matplotlib 1.3.1(2013年8月)之前有点棘手，这是你可以在matpplotlib网站上找到的最古老的稳定版本。但在那之后就很琐碎了。

因为当前版本的matplotlib.pylab.scatter支持赋值:颜色名称字符串数组，带有颜色映射的浮点数数组，RGB或RGBA数组。

这个答案献给@Oxinabox在2015年纠正2013年版本的我的无尽热情。

你有两个选择使用分散命令与多个颜色在一个单一的调用。

pylab。散射命令支持使用RGBA阵列做任何你想要的颜色; 回到2013年初，没有办法这样做，因为命令只支持单一颜色的整个散点集合。当我在做10000行的项目时，我想出了一个绕开它的通解。所以它很俗气，但我可以做任何形状、颜色、大小和透明的。这个技巧也可以应用于绘制路径集合，线条集合....

该代码还受到pyplot源代码的启发。我只是复制了scatter的功能，没有触发它来绘制。

pyplot命令。scatter返回一个PatchCollection对象，在“matplotlib/collections.py”文件中，一个Collection类中的私有变量_facecolors和一个方法set_facecolors。

所以当你要画散点时，你可以这样做:

# rgbaArr is a N*4 array of float numbers you know what I mean
# X is a N*2 array of coordinates
# axx is the axes object that current draw, you get it from
# axx = fig.gca()

# also import these, to recreate the within env of scatter command 
import matplotlib.markers as mmarkers
import matplotlib.transforms as mtransforms
from matplotlib.collections import PatchCollection
import matplotlib.markers as mmarkers
import matplotlib.patches as mpatches


# define this function
# m is a string of scatter marker, it could be 'o', 's' etc..
# s is the size of the point, use 1.0
# dpi, get it from axx.figure.dpi
def addPatch_point(m, s, dpi):
    marker_obj = mmarkers.MarkerStyle(m)
    path = marker_obj.get_path()
    trans = mtransforms.Affine2D().scale(np.sqrt(s*5)*dpi/72.0)
    ptch = mpatches.PathPatch(path, fill = True, transform = trans)
    return ptch

patches = []
# markerArr is an array of maker string, ['o', 's'. 'o'...]
# sizeArr is an array of size float, [1.0, 1.0. 0.5...]

for m, s in zip(markerArr, sizeArr):
    patches.append(addPatch_point(m, s, axx.figure.dpi))

pclt = PatchCollection(
                patches,
                offsets = zip(X[:,0], X[:,1]),
                transOffset = axx.transData)

pclt.set_transform(mtransforms.IdentityTransform())
pclt.set_edgecolors('none') # it's up to you
pclt._facecolors = rgbaArr

# in the end, when you decide to draw
axx.add_collection(pclt)
# and call axx's parent to draw_idle()