你可以尝试从numpy中使用np.select来创建一个 interval-based 颜色数组：

colors = np.select( # feel free to adjust
    [(x_final >= 0) & (x_final <= 5),
     (x_final > 5) & (x_final <= 10)],
    ["r", "g"], default="k"
)

plt.scatter(x_final, y_final, c=colors, marker="P");

输出量：

使用的输入：

np.random.seed(0)

x_final = np.linspace(1, 30, 50)
y_final = np.random.randn(50)

您可以使用pandas.cut轻松处理任意数量的情况：

import pandas as pd

colors = pd.cut(x_final,
                bins=[0, 5, 10, max(x_final)+1],
                labels=['g', 'r', 'k'], include_lowest=True).to_numpy()
plt.scatter(x_final, y_final, marker='o', c=colors)

使用numpy.digitize：

colors = np.array(['g', 'r', 'k'])[np.digitize(x_final, [-0.01, 5, 10, np.inf],
                                               right=True)-1]
plt.scatter(x_final, y_final, marker='o', c=colors)

范例：

一种简单的方法（不是最好的方法，但易于阅读和理解）包括基于您所描述的逻辑预先计算colors的列表。您可以使用自定义函数（用于更复杂的逻辑）或简单的for循环，如下所示。

import matplotlib.pyplot as plt
import random

x = list(range(13))
y = [random.randint(0, 5) for v in x] #some random Y values

colors = []
for v in x:
    if 0<=v<5:
        colors.append('red')
    elif 5<=v<10:
        colors.append('green')
    else:
        colors.append('black')
        
plt.scatter(x, y, c=colors)
plt.show()

如果它是一个嵌套框架，你可以使用seaborn，假设你有x_final，y_final和category列作为嵌套框架（df_final）中的列：

import seaborn as sns
sns.scatterplot(x='x_final', y='y_final', hue='category', data=df_final)
plt.show()

一个简单而快速的方法是将每个x值除以其绝对最大值 （如果我们也有负值），并将其作为参数传递给颜色元组中的一个RGB值：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(50)
y = x**2

for i in range(len(x)):
    plt.plot(x[i], y[i], 'o', color=(i/max(abs(x)), 0.1, 0.1))