这里的技巧是使用matplotlib的补丁来获取自定义图例。因为我需要生成一些假数据来让事情看起来很接近（并且不想深入研究像neta和time_det这样的东西，因为它们不是你的问题的核心），所以我使用numpy的where和size进行了重构，用于着色和计数点。

import random
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches

# generate some fake data of a similar range
x = np.random.random(100)*3000
y = np.random.random(100)*1

count_red = np.size(np.where(np.reshape(y,-1) >= .5))
count_blue = np.size(np.where(np.reshape(y,-1)< .5))

col = np.where(x<0,'k',np.where(y<.5,'b','r'))

fig, ax = plt.subplots(figsize =(10,7))

red_patch = mpatches.Patch(color='red', label=count_red)
blue_patch = mpatches.Patch(color='blue', label=count_blue)

dist_off_right_spline = .95
dist_from_top_spline  = .6

plt.title('Evolution of rapport of polarisation - Aluminium')
plt.xlabel('Time [min]')
plt.ylabel('Rapport [-]')
plt.tight_layout()
plt.savefig("Evolution of rapport of polarisation - (Aluminium).png")

plt.legend(bbox_to_anchor=(dist_off_right_spline, dist_from_top_spline), 
           loc='upper left', handles=[red_patch, blue_patch])

plt.scatter(x, y, c=col, s=5, linewidth=1)
plt.show()

这样（减去y轴范围）得到的图像与您指定的图像非常接近。

为什么不使用标准选择和标签？

x = np.arange(100)
y = np.random.randn(100)
fig, ax = plt.subplots()
ax.plot(x[y>=0], y[y>=0], 'r.', ls='none', label=f"≥0: {len(y[y>=0])}")
ax.plot(x[y<0], y[y<0], 'b.', ls='none', label=f"<0: {len(y[y<0])}")
ax.legend()