核心原理：分批次绘制
在matplotlib中，当您使用plt.plot()或plt.scatter()绘制一组数据点时，通常会为所有点应用相同的样式（颜色、标记、大小等）。如果需要对其中一个或少数几个点进行特殊着色，最直接且有效的方法是将其与其余点分开，进行多次绘制。这意味着我们将把数据点分为至少两组：一组是需要特殊处理的点，另一组是其余的点。然后，对这两组数据分别调用plt.plot()（或plt.scatter()），并为特殊组指定不同的颜色参数。
实践步骤与代码示例
为了演示这一技术，我们将使用一个模拟“电脑猜数字游戏”的场景。在这个游戏中，电脑会随机猜测一个1到100之间的数字，直到猜中为止。我们希望将所有尝试次数绘制成散点图，并特别将最终猜对的那一次尝试用不同的颜色标记出来。
1. 准备数据
首先，我们需要模拟这个猜数字过程，并记录下所有的尝试次数。
import random
import matplotlib.pyplot as mpl
# 设定目标数字
target_number = random.randint(1, 100)
attempts_count = 0
all_guesses = []
while True:
attempts_count += 1
current_guess = random.randint(1, 100)
all_guesses.append(current_guess) # 记录每一次猜测
if current_guess == target_number:
print(f"电脑在 {attempts_count} 次尝试后猜对了。")
print(f"目标数字是 {target_number}")
break
print("所有猜测记录:", all_guesses)在这个示例中，all_guesses列表存储了电脑每一次猜测的数字。当current_guess与target_number匹配时，循环结束。
2. 绘制普通点
接下来，我们将绘制除最后一次正确猜测之外的所有尝试点。我们可以利用Python列表的切片功能[:-1]来获取除最后一个元素之外的所有元素。
# 绘制所有错误的猜测点，例如使用蓝色 # all_guesses[:-1] 表示从列表开头到倒数第二个元素 mpl.plot(all_guesses[:-1], all_guesses[:-1], 'o', color='blue', label='错误猜测')
这里，all_guesses[:-1]提供了除最后一个元素外的所有x坐标和y坐标（因为这里x和y值相同）。'o'指定了散点标记样式，color='blue'则将这些点设置为蓝色。
3. 绘制特殊点
最后，我们单独绘制正确猜测的点。利用负索引[-1]可以轻松获取列表的最后一个元素。
# 绘制正确的猜测点，例如使用红色 # all_guesses[-1] 表示列表的最后一个元素 mpl.plot(all_guesses[-1], all_guesses[-1], 'o', color='red', markersize=8, label='正确猜测')
通过all_guesses[-1]，我们获取了最后一个（即正确的）猜测值，并将其绘制为红色，同时增大了markersize使其更加醒目。
完整代码示例
将上述步骤整合到一起，形成完整的绘图脚本：
import random
import matplotlib.pyplot as mpl
# 设定目标数字
target_number = random.randint(1, 100)
attempts_count = 0
all_guesses = []
while True:
attempts_count += 1
current_guess = random.randint(1, 100)
all_guesses.append(current_guess)
if current_guess == target_number:
print(f"电脑在 {attempts_count} 次尝试后猜对了。")
print(f"目标数字是 {target_number}")
break
# 设置图表标题和轴标签
mpl.title('电脑猜数字游戏尝试记录')
mpl.xlabel('猜测值')
mpl.ylabel('猜测值')
mpl.grid(True) # 添加网格线
# 绘制所有错误的猜测点（蓝色）
mpl.plot(all_guesses[:-1], all_guesses[:-1], 'o', color='blue', label='错误猜测')
# 绘制正确的猜测点（红色，稍大）
mpl.plot(all_guesses[-1], all_guesses[-1], 'o', color='red', markersize=8, label='正确猜测')
mpl.legend() # 显示图例
mpl.show()运行这段代码，您将看到一个散点图，其中所有错误的猜测点都是蓝色，而最终正确猜测的点则以红色突出显示。
代码解析与注意事项
- 列表切片 ([:-1]) 和负索引 ([-1]): 这是Python中处理列表的强大功能。list[:-1]返回一个新列表，包含原列表中除最后一个元素外的所有元素。list[-1]则直接返回列表的最后一个元素。这两个技巧在这里被完美地用于分离数据点。
- mpl.plot() 函数: 尽管名称是plot，但当您指定标记样式（如'o'表示圆形）而不指定线条样式时，它实际上会绘制散点图。您也可以使用mpl.scatter()，它提供了更多的散点图定制选项，例如通过c参数传入颜色列表来为每个点指定颜色（但对于单个点着色，多次调用mpl.plot或scatter更直观）。
- color 参数: 用于指定绘制点的颜色。您可以传入颜色名称（如'blue', 'red', 'green'）或十六进制颜色码（如'#FF0000'）。
- markersize 参数: 用于调整标记的大小，可以进一步增强特殊点的视觉突出效果。
- 图例 (mpl.legend()): 当您在mpl.plot()中使用了label参数时，调用mpl.legend()可以显示这些标签，帮助读者理解不同颜色点代表的含义。
进阶提示：
- 处理多个特殊点: 如果需要突出显示多个不连续的点，您可以将这些点的索引提取出来，然后分别绘制。例如，可以创建一个特殊点索引列表，然后遍历绘制。
- 使用mpl.scatter(): 对于更复杂的散点图需求，mpl.scatter()函数可能更合适。它允许您通过c参数传入一个与数据点数量相同的颜色列表，从而实现每个点的独立着色。但对于本教程的“单个点”场景，多次调用mpl.plot()或mpl.scatter()通常更简洁明了。
- 数据结构: 在实际应用中，如果您的数据已经结构化（例如在Pandas DataFrame中），您可以利用条件筛选来获取需要特殊着色的数据子集，然后进行绘制。
总结
通过本教程，您应该已经掌握了在Matplotlib散点图中为单个或少数几个特定数据点设置不同颜色的方法。核心思想是将需要突出显示的点与其余点分批次绘制。这种方法简单、灵活，且易于理解和实现，能够有效提升数据可视化的表达力，帮助您的图表更清晰地传达关键信息。在实际的数据分析和可视化工作中，灵活运用这一技巧将使您的图表更具专业性和洞察力。
