散点图，其中每个点颜色是K种颜色的不同混合

Question

我有二维数据，我想聚类成K个簇。让我们假设K=4。在运行聚类算法之后，每个点都有一个4长度的概率向量（其条目加起来为1），表示该点属于每个聚类的概率。在

我的想法是给每个簇指定一个颜色，然后绘制一个散点图，其中每个点根据其概率向量作为所有颜色的混合着色。如果K=3它的颜色可以是RGB，因此我可以使用类似ax.scatter(x1, x2, facecolors=probability_vectors)的东西，就像它在this question 中所说的那样。我用这个解决方案在图像中绘制出K=2（在所有向量中将蓝色列固定为0）。我仍然可以在K=3中使用它，但是对于K=4我需要一些不同的东西。有什么建议吗？

编辑：

使用Tomáš Šíma答案，如果我使用以下代码（对于5个集群）：

import colorsys
from matplotlib import pyplot as plt
import numpy as np

N = 5
HSV = [(float(x)/N, 1, 1) for x in range(1,N+1)]
RGB = map(lambda x: colorsys.hsv_to_rgb(*x), HSV)

print HSV
plt.scatter(range(N),np.repeat(0.5,N),c=RGB,s=200)

我得到这个输出：

[(0.2, 1, 1), (0.4, 1, 1), (0.6, 1, 1), (0.8, 1, 1), (1.0, 1, 1)]

我现在的问题是，如果有一个点的概率向量是[0.5, 0.0, 0.0, 0.0, 0.5]，也就是说，一半是黄色星团，另一半是红色星团，那么它的颜色应该是橙色的。但是，如果我这样做，0.5*0.2 + 0.5*1.0我得到0.6，它是蓝色的。我应该如何计算平均值才能得到橙色而不是蓝色？在

编辑2:

明白了，我只需要平均每个星团质心的RGB版本（而不是色调）

：天

Answer 1

您正在寻找HSB颜色空间。

HSB中的颜色由3个值组成：

• H=色调-实际颜色
• S=饱和度-有多少颜色（越少，越多 颜色看起来像灰度）
• B=亮度

你可以从这个空间很容易地生成N个最不同的颜色，然后转换成RGB

import colorsys
N = 5
HSV = [(x*1.0/N, 0.5, 0.5) for x in range(N)]
RGB = map(lambda x: colorsys.hsv_to_rgb(*x), HSV)

对于混合用于绘制点的HSB颜色，可以对相应的RGB颜色进行加权平均，权重等于概率向量。

Answer 2

您可以使用matplotlib colors文档的Colormap section中提到的RGBA方案。A代表阿尔法。同时阅读ScalarMappable section。

根据问题中引用的答案修改：

import matplotlib.pyplot as plt
import numpy as np

x, y = np.random.random((2, 10))
rgba = np.random.random((10, 4))

fig, ax = plt.subplots()
ax.scatter(x, y, s=200, facecolors=rgba)
plt.show()