scatter 第四维数据映射：scatter(x,y,20,z) 点的颜色表示另一变量，colorbar 显示色标

1. 参数语义解剖：scatter(x, y, 20, z) 到底发生了什么

在 Matplotlib 的 Axes.scatter 签名中，位置参数依次为 x, y, s, c。因此 scatter(x, y, 20, z) 的含义是：横坐标取 x，纵坐标取 y，点面积固定为 20（单位是 points²，不是像素），颜色由数组 z 决定。这里有两个极易被忽略的细节。

1.1 s 与 c 的单位与广播规则

第三参数 s=20 是标量，会被广播到所有点；若传入数组，则每个点面积不同，此时就出现了"第五维"（用大小编码）。第四参数 c=z 传入一维数组时，Matplotlib 会把它当作数值序列，并自动触发归一化与色标映射；若传入的是 N×3 或 N×4 的 RGB/RGBA 数组，则被当作"已经是颜色"，不再走色标逻辑。本文评述：这一区分是很多"颜色不生效"问题的根源——当 z 恰好是形如 (N,3) 的数组时，库会误判为显式颜色，导致 colorbar 无法生成。

1.2 颜色映射的内部管线

一次 scatter 调用的颜色处理大致经过四步：① 收集 c 数组并计算 vmin/vmax；② 通过 Normalize 子类把数据线性（或对数、幂律）映射到 [0,1]；③ 用 Colormap 把 [0,1] 映射为 RGBA；④ 把 RGBA 交给后端渲染，同时把 Normalize 与 Colormap 绑定到 colorbar。理解这条管线，才能在出问题时准确定位是"归一化错了"还是"色标选错了"。

关键认知：scatter 本身不做任何"智能"配色，它只是把数值按你给的 Normalize 与 Colormap 翻译成颜色。图好不好读，责任在使用者。

2. 第四维映射的本质：把颜色当作数据通道

散点图天然只有两个位置通道（x、y）。当数据有第三个、第四个变量时，我们必须在视觉通道中做选择：大小、颜色、形状、透明度、纹理。Cleveland 与 McGill 在 1984 年的经典实验（JASA, 79(387):531–554）系统比较了各视觉通道对"定量信息"的编码精度，结论是位置 > 长度 > 角度/斜率 > 面积 > 颜色/亮度。这意味着：颜色作为定量通道，其精度天然低于位置和长度。

2.1 颜色适合编码什么

颜色更适合编码"类别"或"粗略的连续趋势"，而非需要精确读数的量。若第四维变量需要读者精确比较，建议：把颜色用于分组，把数值直接标注（annotate）；或改用分面（facet）小多图；或把关键数值放在 colorbar 的等值线上。笔者认为，工程实践中一个稳妥的原则是——颜色负责"看出模式"，位置与标注负责"读出数值"。

2.2 第四维映射的三种典型场景

本文评述：把"相位"用 sequential 色标编码是一个高频错误——相位 0 与 2π 在物理上是同一个点，但 sequential 色标会让它们呈现为两端截然不同的颜色，制造出虚假的"断裂"。cyclic 色标（首尾颜色相同）才能正确表达这种拓扑。

3. 颜色空间与感知均匀性：为什么 jet 是反模式

要理解色标选择，先要理解颜色空间。RGB 是设备空间，通道数值与人眼感知的"亮度差"并不成正比。CIE 1931 XYZ 与后续的 CIELAB、CIELUV 试图建立感知均匀空间，其中等距离的颜色变化对应近似相等的感知差异。Matplotlib 自 2.0 起把默认色标从 jet 改为 viridis，正是基于感知均匀性的考量。

3.1 jet 的四个具体缺陷

1. 亮度非单调：从蓝到青再到黄，亮度先升后降再升，导致数据中段的"亮带"被误读为极值。
2. 虚假边界：青色与黄色交界处出现感知上的"台阶"，让连续数据看起来像有突变。
3. 色盲不友好：红绿通道是主要区分依据，红绿色盲读者几乎无法分辨两端。
4. 打印失真：转灰度后信息大量丢失。

Moreland 在 2009 年提出的"平滑、近似感知均匀、色盲友好"色标设计准则（Computer Graphics and Applications）以及 Smith 与 van der Walt 在 2015 年 SciPy 会议上对 viridis 的设计说明，都指向同一结论：好的连续色标应当亮度单调、色相平滑、在灰度下仍可区分。

3.2 主流感知均匀色标对比

cividis 由 Nuñez、Anderton 与 Renslow 在 2018 年 PLOS ONE 上提出，专门优化了红绿色盲的可读性。本文评述：在需要面向广泛读者（如公开报告、论文）的场景，cividis 是比 viridis 更稳妥的默认选择；而在内部探索性分析中，viridis 的视觉舒适度更高。

4. 色标家族全景：sequential / diverging / cyclic / categorical

色标选择的第一原则是"匹配数据的语义结构"，而非"好看"。四大家族各有明确的适用边界。

4.1 Sequential（顺序型）

适用于从低到高单向递增的量，如密度、浓度、计数。代表：viridis、plasma、Blues、Greens。要点是亮度单调递增，读者能凭"深浅"判断大小。

4.2 Diverging（发散型）

适用于存在自然中点（如 0、均值、基线）的数据，两端向相反方向发散。代表：RdBu、coolwarm、PiYG。关键工程细节是必须把归一化的中心对齐到语义中点，否则"中性色"会落在错误位置。可用 TwoSlopeNorm(vcenter=0) 实现。

4.3 Cyclic（循环型）

适用于角度、相位、时间周期。代表：twilight、twilight_shifted、hsv。首尾同色是硬性要求。

4.4 Categorical（分类型）

适用于离散类别。代表：tab10、Set1、Paired。要点是相邻类别颜色差异足够大，且类别数不宜超过 8–10（超过后颜色区分度急剧下降）。

选型口诀：单向用 sequential，有中点用 diverging，转一圈用 cyclic，分类型用 categorical。

5. 归一化与离群值：颜色映射的隐形陷阱

即使色标选对了，归一化不当也会毁掉整张图。默认的线性归一化把 [min, max] 拉伸到 [0,1]，一个极端离群值会把 99% 的数据挤进色标的极小一段，导致图面"一片同色"。

5.1 常用归一化策略

5.2 离群值的三条处理路径

1. 截断：用分位数（如 2%–98%）设定 vmin/vmax，超出部分用色标的端点色或 cmap.set_under/over 单独着色。
2. 变换：对右偏数据用 LogNorm 或 PowerNorm，压缩长尾。
3. 标注：保留离群点但用特殊符号（如空心三角）标出，避免它们主导色标范围。

本文评述：截断是最容易被误用的策略——它改变了数据的视觉表达，必须在图注或 colorbar 上明确标注"颜色范围已截断至 P2–P98"。否则读者会以为端点就是真实极值，这是一种隐性的信息失真。

6. colorbar 工程细节：刻度、标签、共享与对齐

colorbar 不是装饰，它是颜色通道的"坐标轴"。它的刻度、标签、范围必须与散点的归一化严格一致。

6.1 生成与绑定

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import Normalize

rng = np.random.default_rng(42)          # 模拟数据
x = rng.normal(0, 1, 2000)
y = rng.normal(0, 1, 2000)
z = np.hypot(x, y)                        # 第四维：到原点的距离

fig, ax = plt.subplots(figsize=(7, 5.5))
norm = Normalize(vmin=z.min(), vmax=z.max())
sc = ax.scatter(x, y, s=20, c=z, cmap="viridis", norm=norm, alpha=0.8)
cb = fig.colorbar(sc, ax=ax, pad=0.02)
cb.set_label("到原点距离 z", fontsize=11)
plt.tight_layout()
plt.show()

关键点：fig.colorbar(sc, ax=ax) 会把 colorbar 与散点对象绑定，自动继承其 norm 与 cmap。若手动传 cmap 与 norm 给 colorbar 而不与 sc 绑定，极易出现"颜色与色标对不上"。

6.2 多子图共享色标

当有多个子图时，若各自独立归一化，同一颜色在不同子图代表不同数值，读者无法横向比较。正确做法是创建一个共享的 norm，传给所有 scatter，最后用一个 colorbar 统一显示。

fig, axes = plt.subplots(1, 3, figsize=(13, 4.2))
norm = Normalize(vmin=0, vmax=3)          # 全局共享范围
for ax, seed in zip(axes, [1, 2, 3]):
    r = np.random.default_rng(seed)
    xx, yy = r.normal(0, 1, 800), r.normal(0, 1, 800)
    zz = np.hypot(xx, yy)
    sc = ax.scatter(xx, yy, s=20, c=zz, cmap="viridis", norm=norm)
    ax.set_title(f"样本 {seed}")
fig.colorbar(sc, ax=axes, orientation="horizontal", fraction=0.05, pad=0.12)
plt.show()

6.3 刻度与标签的常见问题

• 刻度过密：用 cb.set_ticks() 或 MaxNLocator 控制数量，一般 5–7 个为宜。
• 科学计数：大数值用 cb.formatter.set_powerlimits((0,0)) 或 ScalarFormatter。
• 单位缺失：标签务必带单位，如 "浓度 (mg/L)"。
• 方向：横向 colorbar 适合宽图，纵向适合高图，避免与图面元素重叠。

7. 色盲安全与可访问性：8% 读者的真实需求

红绿色盲（deuteranopia/protanopia）在男性中约占 8%，在全体人群中约 4%–5%（据 Colour Blind Awareness 组织统计）。这意味着任何面向公众的图表，都可能被相当比例的读者"看错"。

7.1 色盲友好的三条硬规则

1. 避免红绿对立作为唯一区分手段。
2. 保证亮度单调——色盲读者主要靠亮度区分。
3. 关键信息用形状/标注冗余编码。

7.2 模拟与验证工具

可用 colorspacious 库或 Coblis 在线模拟器把图转换为各类色盲视角检查。Matplotlib 的 mpl.rcParams['image.cmap']='cividis' 可全局切换默认色标。

本文评述：色盲安全不是"少数派关怀"，而是数据可视化的基本质量要求。一张在色盲视角下失效的图，本质上是一张"信息编码有损"的图——它把信息过度依赖在单一视觉通道上。

8. 大数据量下的性能与渲染取舍

当点数超过 10 万，scatter 的矢量渲染会明显变慢，输出文件也急剧膨胀。此时需要在"保真"与"性能"之间做工程取舍。

8.1 三条性能路径

datashader 由 Anaconda 团队开发，通过把点聚合到像素网格再着色，能在秒级渲染上亿点。它的颜色映射逻辑与 scatter 一致，但 colorbar 需要额外构造。本文评述：当数据量达到百万级，"每个点都可见"本身已无意义（像素数有限），聚合是更诚实的表达方式。

9. 完整可复现案例：从模拟数据到出版级图

下面给出一个端到端案例，覆盖归一化、色标选择、colorbar 定制与色盲检查。数据为模拟数据（numpy 随机生成），仅用于演示流程。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import TwoSlopeNorm
from matplotlib.ticker import MaxNLocator

rng = np.random.default_rng(2024)
n = 5000
x = rng.normal(0, 1.2, n)
y = rng.normal(0, 1.0, n)
z = np.sin(x) * np.cos(y) + rng.normal(0, 0.15, n)   # 有正负的第四维

fig, ax = plt.subplots(figsize=(8, 6))
norm = TwoSlopeNorm(vmin=z.min(), vcenter=0, vmax=z.max())
sc = ax.scatter(x, y, s=20, c=z, cmap="RdBu_r", norm=norm,
                alpha=0.75, edgecolors="none")
cb = fig.colorbar(sc, ax=ax, pad=0.02, shrink=0.9)
cb.set_label("响应值 z（无量纲）", fontsize=11)
cb.locator = MaxNLocator(nbins=7)
cb.update_ticks()
ax.set_xlabel("特征 X")
ax.set_ylabel("特征 Y")
ax.set_title("第四维颜色映射示例（模拟数据）", fontsize=13)
plt.tight_layout()
plt.savefig("scatter4d.png", dpi=300)
plt.show()

此例中，z 有正负且以 0 为语义中点，故用 TwoSlopeNorm(vcenter=0) 配合发散色标 RdBu_r，使 0 恰好落在白色中性区。这是发散型数据的标准做法。

9.1 操作路径清单

1. 明确第四维语义：单向 / 有中点 / 循环 / 分类。
2. 按语义选色标家族。
3. 检查分布，决定是否用 LogNorm / PowerNorm / 截断。
4. 设定 norm，传给 scatter，并让 colorbar 绑定 sc。
5. 定制刻度、标签、单位。
6. 用色盲模拟器检查，必要时换 cividis。
7. 大数据量时启用 rasterized 或 datashader。

10. 前沿预判与常见问题排查

10.1 前沿方向

其一，感知均匀色标的自动化生成——基于 CIELAB 或 OKLab 空间，用优化算法生成满足亮度单调、色盲友好、打印友好的色标，OKLab（Björn Ottosson, 2020）因其计算简洁正被更多工具采纳。其二，颜色通道与其他通道的联合优化——如自动决定"哪些变量用颜色、哪些用大小"，已有研究用信息论度量各通道的信息容量。其三，可访问性的标准化——W3C 的 WCAG 对图表颜色对比度提出了量化要求，未来绘图库可能内置合规检查。本文评述：这些方向的共同趋势是——把"配色"从审美问题转化为可度量、可验证的工程问题。

10.2 常见问题速查

11. 参考文献与拓展资源

11.1 主要参考文献（8 篇）

1. Cleveland, W. S., & McGill, R. (1984). Graphical Perception: Theory, Experimentation, and Application to the Development of Graphical Methods. Journal of the American Statistical Association, 79(387), 531–554.
2. Moreland, K. (2009). Diverging Color Maps for Scientific Visualization. Advances in Visual Computing (ISVC)
3. Smith, N., & van der Walt, S. (2015). A Better Default Colormap for Matplotlib. SciPy Conference.
4. Nuñez, J. R., Anderton, C. R., & Renslow, R. S. (2018). Optimizing Colormaps with Consideration for Color Vision Deficiency. PLOS ONE, 13(6), e0199239.
5. Liu, Y., & Heer, J. (2018). Somewhere Over the Rainbow: An Empirical Assessment of Quantitative Colormaps. CHI Conference on Human Factors in Computing Systems.
6. Ottosson, B. (2020). A Perceptually Uniform Color Space for Image Processing (OKLab). 技术报告.
7. Crameri, F., Shephard, G. E., & Heron, P. J. (2020). The Misuse of Colour in Science Communication. Nature Communications, 11, 5444.
8. Hunter, J. D. (2007). Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering, 9(3), 90–95.