Matplotlib 的 standard plt.scatter 函数虽然允许传入列表来定义每个点的颜色 (c) 和大小 (s)，但原生不支持传入列表来定义形状 (marker)。尝试传入 marker=['o', 'x', ...] 会导致错误。

这是 Matplotlib 长期存在的一个 Feature Request (参考 Issue #11155)。

解决方案

使用自定义函数 mscatter。该函数通过直接替换底层 PathCollection 中的 paths 对象，暴力实现了为每个点指定不同几何形状的功能。

代码实现

import matplotlib.pyplot as plt
import matplotlib.markers as mmarkers

def mscatter(x, y, s, ax=None, m=None, **kw):
    """
    绘制散点图，支持为每个点指定不同的 marker 形状。
    
    参数:
    x, y : array-like
        数据点坐标
    s : scalar or array-like
        点的大小 (size)
    ax : matplotlib.axes.Axes, optional
        绘图坐标轴对象，默认为 plt.gca()
    m : list
        marker 形状列表，长度必须与 x 相同 (e.g. ['o', 'v', 'x', ...])
    **kw : 
        传递给 scatter 的其他参数 (如 c, alpha 等)
    """
    if not ax:
        ax = plt.gca()
        
    # 1. 先调用标准 scatter
    sc = ax.scatter(x, y, s, **kw)
    
    # 2. 如果传入了 marker 列表 m，则替换路径
    if (m is not None) and (len(m) == len(x)):
        paths = []
        for marker in m:
            if isinstance(marker, mmarkers.MarkerStyle):
                marker_obj = marker
            else:
                marker_obj = mmarkers.MarkerStyle(marker)
            
            # 获取 marker 的路径并应用变换
            path = marker_obj.get_path().transformed(marker_obj.get_transform())
            paths.append(path)
            
        # 3. 核心 hack：设置 PathCollection 的路径
        sc.set_paths(paths)
        
    return sc

使用示例

import numpy as np

# 生成测试数据
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
s = np.random.randint(50, 200, size=N) # 随机大小
c = np.random.rand(N)                  # 随机颜色

# 定义不同的 marker 列表
# 注意：长度必须与数据长度一致
markers = ['o', 'v', '^', '<', '>', '1', '2', '3', '4', 's']

# 绘图
fig, ax = plt.subplots()
mscatter(x, y, s=s, c=c, m=markers, ax=ax)

plt.show()

注意事项

1. 性能：由于需要循环创建 Path 对象，如果数据量极大（例如几万个点），初始化速度可能会比原生 scatter 慢。
2. 图例 (Legend)：自动生成的 Legend 可能无法正确显示混合的形状。如果需要 Legend，可能需要手动构建 Line2D 对象作为 proxy artists。