本文介绍在 matplotlib 中为双编码（颜色 + 大小）散点图构建统一图例的完整方法：先分别获取尺寸和颜色对应的图例元素，再将颜色逐个赋值给尺寸句柄，最终合成一个语义清晰、视觉一致的复合图例。
本文介绍在 matplotlib 中为双编码（颜色 + 大小）散点图构建统一图例的完整方法：先分别获取尺寸和颜色对应的图例元素，再将颜色逐个赋值给尺寸句柄，最终合成一个语义清晰、视觉一致的复合图例。
在科学可视化中，常需用散点图同时编码两个维度的信息——例如用颜色表示类别或连续变量（如温度），用点大小表示另一变量（如数量或权重）。此时，仅提供单一维度的图例（如仅尺寸或仅颜色）会严重削弱图表可读性。Matplotlib 的 scatter.legend_elements() 方法虽支持分别生成尺寸或颜色图例，但默认不支持二者融合。幸运的是，我们可通过手动组合实现完美协同。
核心思路是：分步提取、显式赋色、统一渲染。首先调用 legend_elements(prop="sizes") 获取尺寸图例句柄（PathCollection 对象列表）和对应标签文本；再调用 legend_elements(prop="colors") 提取各颜色值；最后遍历尺寸句柄，用 set_color() 将对应颜色逐一写入，使每个尺寸标记具备其语义匹配的颜色。
以下是可直接运行的完整示例代码：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 生成模拟数据
np.random.seed(42)
time = pd.DataFrame(np.random.rand(10))
intensity = pd.DataFrame(np.random.randint(1, 5, 10))
df = pd.concat([time, intensity], axis=1)
size = intensity.apply(lambda x: 10 * x**2)
# 绘制双编码散点图
fig, ax = plt.subplots(figsize=(6, 4))
scat = ax.scatter(
time[0], intensity[0],
c=intensity[0],
s=size[0],
cmap='viridis',
alpha=0.8,
edgecolors='white',
linewidth=0.5
)
# 步骤1：获取尺寸图例句柄与标签（3个等级）
size_handles, size_labels = scat.legend_elements(
prop="sizes",
num=3,
fmt="{x:.1f}",
func=lambda s: np.sqrt(s / 10) # 反向映射：s → 原始 intensity 值
)
# 步骤2：获取颜色图例句柄，并提取其 RGB/A 颜色值
color_handles = scat.legend_elements(prop="colors", num=3)[0]
colors = [h.get_facecolor() for h in color_handles]
# 步骤3：将颜色赋给尺寸句柄（一一对应）
for handle, color in zip(size_handles, colors):
handle.set_facecolor(color)
handle.set_edgecolor('white')
handle.set_linewidth(0.5)
# 步骤4：合并图例（使用尺寸句柄 + 尺寸标签）
legend = ax.legend(
size_handles,
size_labels,
title="Intensity",
loc='upper left',
frameon=True,
fancybox=True,
shadow=False
)
ax.set_xlabel("Time")
ax.set_ylabel("Intensity")
ax.set_title("Scatter Plot with Dual-Encoded Legend (Color + Size)")
plt.tight_layout()
plt.show()
⚠️ 关键注意事项：
-
func参数必须严格反映尺寸s与原始变量（此处为intensity）之间的映射关系（本例中s = 10 × intensity²，故反解为intensity = √(s/10)）；若映射错误，图例数值将失真； -
num=3控制图例中显示的等级数，应与数据分布匹配（避免过度离散或信息缺失）； - 赋色时务必使用
set_facecolor()（而非set_color()），因PathCollection句柄默认无边框色，需显式设置面颜色； - 若使用
cmap，建议搭配plt.cm.ScalarMappable手动添加颜色条（colorbar）作为补充，尤其当颜色表征连续变量时。
通过该方法，图例中的每个圆形标记不仅体现尺寸层级，更准确复现了其对应的颜色语义，真正实现“所见即所得”的双重编码表达，显著提升图表的专业性与解释力。
