实际上，这两个相关的问题都提供了一种如何达到预期结果的方法。
最简单的方法是创建尽可能多的散点图，只要存在唯一的类，并为每个类提供一种颜色和图例条目。

import matplotlib.pyplot as plt

x=[1,2,3,4]
y=[5,6,7,8]
classes = [2,4,4,2]
unique = list(set(classes))
colors = [plt.cm.jet(float(i)/max(unique)) for i in unique]
for i, u in enumerate(unique):
    xi = [x[j] for j  in range(len(x)) if classes[j] == u]
    yi = [y[j] for j  in range(len(x)) if classes[j] == u]
    plt.scatter(xi, yi, c=colors[i], label=str(u))
plt.legend()

plt.show()

如果类是字符串标签，解决方案看起来会略有不同，因为您需要从它们的索引中获取颜色，而不是使用类本身。

import numpy as np
import matplotlib.pyplot as plt

x=[1,2,3,4]
y=[5,6,7,8]
classes = ['X','Y','Z','X']
unique = np.unique(classes)
colors = [plt.cm.jet(i/float(len(unique)-1)) for i in range(len(unique))]
for i, u in enumerate(unique):
    xi = [x[j] for j  in range(len(x)) if classes[j] == u]
    yi = [y[j] for j  in range(len(x)) if classes[j] == u]
    plt.scatter(xi, yi, c=colors[i], label=str(u))
plt.legend()

plt.show()

也许手动填充table在这里会很有用。另一个想法是，如果类是连续的数字，则使用colorbar。我将两种方法合二为一。

import matplotlib.pyplot as plt
import numpy as np

x=[1,2,3,4,5,6,7]
y=[1,2,3,4,5,6,7]
classes = [2,4,4,2,1,3,5]
cmap = plt.cm.get_cmap("viridis",5)
plt.scatter(x, y, c=classes, label=classes,cmap=cmap,vmin=0.5,vmax=5.5)
plt.colorbar()
unique_classes = list(set(classes))
plt.table(cellText=[[x] for x in unique_classes], loc='lower right',
          colWidths=[0.2],rowColours=cmap(np.array(unique_classes)-1),
         rowLabels=['label%d'%x for x in unique_classes],
          colLabels=['classes'])

• 最简单的解决方案是使用seaborn，matplotlib的高级API，它使用hue参数按颜色分隔组。
• sns.scatterplot-轴级函数。
• sns.relplot和kind='scatter'（默认）-图形级功能。
• 请参见图形级别与轴级函数
• legend='full'：确保每个组都将在图例中获得一个条目，这在hue类别为数字时很重要。
• 如果使用Anaconda发行版，seaborn将已经安装在(base)环境中。否则使用pip安装非Anaconda环境。

import seaborn as sns
import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(6.5, 3.5))

sns.scatterplot(x=x, y=y, hue=classes, legend='full', ax=ax)

g = sns.relplot(kind='scatter', data=df, x=x, y=y, hue=classes, legend='full', height=3.5, aspect=1.5)

• 根据数据列表创建pandas.DataFrame，然后使用seaborn绘图。

import pandas as pd

# create the dataframe
df = pd.DataFrame({'x': x, 'y': y, 'classes': classes})

# axes level plot
ax = sns.scatterplot(data=df, x='x', y='y', hue='classes', legend='full')

# figure level plot
g = sns.relplot(kind='scatter', data=df, x='x', y='y', hue='classes', legend='full')