Colorear diagramas de dispersión por valores de columna

En Python, la biblioteca Matplotlib proporciona varios medios para personalizar la estética de los diagramas de dispersión. Una tarea común es asignar colores según los valores de una columna específica.

Integración de Seaborn

Una solución es aprovechar la biblioteca Seaborn, que se basa en Matplotlib. Seaborn ofrece funciones de alto nivel como sns.relplot y sns.FacetGrid que le permiten asignar fácilmente diagramas de dispersión a columnas específicas. Al especificar el parámetro de tono, puede colorear los puntos de acuerdo con una tercera columna que contiene etiquetas de categorías.

import seaborn as sns

sns.relplot(data=df, x='Weight (kg)', y='Height (cm)', hue='Gender')

Usando directamente Matplotlib

Como alternativa, puede utilizar directamente la función plt.scatter de Matplotlib para crear diagramas de dispersión y especificar colores manualmente. Esto requiere la creación de un diccionario de colores personalizado que asigne etiquetas de categorías a colores.

def dfScatter(df, xcol='Height', ycol='Weight', catcol='Gender'):
    fig, ax = plt.subplots()

    categories = np.unique(df[catcol])
    colors = np.linspace(0, 1, len(categories))
    colordict = dict(zip(categories, colors))

    df['Color'] = df[catcol].apply(lambda x: colordict[x])
    ax.scatter(df[xcol], df[ycol], c=df.Color)
    return fig

Al llamar a esta función, puede generar un diagrama de dispersión coloreado por la columna de categoría especificada:

df = pd.DataFrame({'Height': np.random.normal(size=10),
                   'Weight': np.random.normal(size=10),
                   'Gender': ["Male", "Male", "Unknown", "Male", "Male",
                              "Female", "Did not respond", "Unknown", "Female", "Female"]})
fig = dfScatter(df)