散点图，其中每个点颜色是K种颜色的不同混合

Question

我有2D数据，我想要聚集到K群集。让我们假设K=4。运行聚类算法后，每个点都有一个4长度概率向量（其条目加起来为1），表示该点属于每个聚类的概率。

我的想法是为每个聚类分配颜色，然后制作散点图，其中每个点根据其概率向量着色为所有颜色的混合。如果K=3它的颜色可能是RGB，那么我可以像this question 中所说的那样使用像ax.scatter(x1, x2, facecolors=probability_vectors)这样的东西。我使用该解决方案在图像中绘制了具有K=2（在所有向量中将蓝色列固定为0）的图。我仍然可以将其用于K=3，但对于K=4我需要不同的东西。有什么建议吗？

修改

使用Tomáš Šíma回答，如果我使用此代码（对于5个群集）：

import colorsys
from matplotlib import pyplot as plt
import numpy as np

N = 5
HSV = [(float(x)/N, 1, 1) for x in range(1,N+1)]
RGB = map(lambda x: colorsys.hsv_to_rgb(*x), HSV)

print HSV
plt.scatter(range(N),np.repeat(0.5,N),c=RGB,s=200)

我得到了这个输出：

[(0.2, 1, 1), (0.4, 1, 1), (0.6, 1, 1), (0.8, 1, 1), (1.0, 1, 1)]

我现在的问题是，如果我有一个概率向量为[0.5, 0.0, 0.0, 0.0, 0.5]的点，即黄色簇的一半而红色的一半，则其颜色应为橙色。但是，如果我0.5*0.2 + 0.5*1.0，我会0.6为蓝色。我应该如何计算平均值以获得橙色而不是蓝色？

编辑2：

知道了，我只需要平均每个群集质心的RGB版本（而不是HUE）

：d

Answer 1

您正在寻找HSB色彩空间。

HSB中的颜色由3个值组成：

• H = HUE - 实际颜色
• S =饱和度 - 有多少颜色（越少，越多 颜色看起来像灰度）
• B =亮度

您可以轻松地从此空间生成N种最不同的颜色，然后转换为RGB

import colorsys
N = 5
HSV = [(x*1.0/N, 0.5, 0.5) for x in range(N)]
RGB = map(lambda x: colorsys.hsv_to_rgb(*x), HSV)

为了混合用于绘制点的HSB颜色，您可以对相应的RGB颜色进行重量平均，其权重等于概率向量。

Answer 2

您可以使用matplotlib色彩文档的Colormap section中提到的RGBA方案。 A代表阿尔法。另请阅读ScalarMappable section。

根据问题中引用的答案进行修改：

db