Colorindo gráficos de dispersão por valores de coluna em Python

A versatilidade do ggplot2 em R permite a atribuição perfeita de cores a pontos de dados com base na coluna valores. Este recurso também pode ser replicado em Python usando dataframes pandas e Matplotlib.

Usando Pandas e Matplotlib

Para mapear cores para valores em Matplotlib, considere as seguintes etapas:

1. Criar um dicionário de cores: Defina um dicionário que mapeie valores exclusivos na coluna categórica para uma cor correspondente. Isso garante uma atribuição de cores consistente entre os pontos de dados.
2. Adicionar uma coluna de cores: crie uma nova coluna no dataframe que atribui a cor correspondente a cada valor na coluna categórica.
3. Traçar o gráfico de dispersão: Use o parâmetro c em matplotlib.pyplot.scatter para especificar a coluna de cores como o argumento de cor.

Aqui está um exemplo de implementação:

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

Exemplo de uso

Considere um dataframe com colunas de altura, peso e gênero. Para criar um gráfico de dispersão onde as cores são atribuídas com base na coluna Gênero:

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)

Isso irá gerar um gráfico de dispersão onde a coluna Gênero determina a cor de cada ponto de dados.