如何在Matplotlib中调试散点图？

Question

我有以下数据框：

df = pd.DataFrame([
    ['A', 'X', '2020-10-01', 1],
    ['A', 'X', '2020-10-02', 2], 
    ['A', 'X', '2020-10-03', 3], 
    ['A', 'Y', '2020-10-01', 4],
    ['A', 'Y', '2020-10-02', 5], 
    ['A', 'Y', '2020-10-03', 6],
    ['B', 'Z', '2020-10-01', 7],
    ['B', 'Z', '2020-10-02', 8], 
    ['B', 'Z', '2020-10-03', 9], 
    ['B', 'Z', '2020-10-01', 10],
    ['B', 'Z', '2020-10-02', 11], 
    ['B', 'Z', '2020-10-03', 12],    
],
    columns=['Q', 'W', 'DT', 'V']
)

我想创建一个散点图：

fig, ax = plt.subplots(figsize=(12, 8), frameon=False)
fig.suptitle('Plotz', fontsize=16)
ax.set_title('DF Plot')
ax.scatter(x=df.DT, y=df.W, s=df.V)

这创建了下面的图表：

我想找出实际发生了什么，因为图表上有9个数据点，而数据中有12个数据点。注释图表不起作用，因为它会在顶部行注释两个值。

for i, txt in enumerate(df.V):
    ax.annotate(txt, (df.DT[i], df.W[i]), fontsize=14)

有没有一种方法可以在 x,y 值对有多个值的情况下找出发生了什么（就像这种情况）？

更新：也许我表述不清楚。在这种情况下，Matplotlib 的默认行为是什么？是最后一个值胜出吗？如何在图上显示实际值？（与显示两个值的注释代码不同，它显示真实值）。

在更多的谷歌搜索后，我认为答案是：

用 Matplotlib 可视化具有重叠点的散点图

- Istvan

---

Z 点重叠。 - CDJB

这是因为您的Z值是重复的。所以在6个Z值中，您只得到3个。 - Sheldore

是的，会发生什么？更大的值获胜，最后一个值获胜吗？是否计算平均值？当存在重叠值时，默认行为是什么？我能控制这种行为吗？ - Istvan

Answer 1

通常情况下，点会按照遇到的顺序绘制在彼此之上。如果没有透明度，则最后一个绘制的点将可见，而先前的点仅在它们较大时显示一些边框。

因此，调试这种情况的一种方法是设置 alpha 值使点变得透明。多个重叠的点会显示更暗并具有一些边框。

使用给定的测试数据，以下代码扩大了点的大小并设置了 alpha。由于点的大小变得极大，需要调整轴限制。使用多种颜色将更加强调重叠。

ax.scatter(x=df.DT, y=df.W, s=df.V*150, alpha=0.4)
plt.xlim(-1,3)
plt.ylim(-1,3)

另一种方法是添加抖动：在每个点的位置上添加一些小的随机噪声。对于数值数据，可以直接将抖动添加到数据中。对于分类数据，在调用 scatter 后可以修改位置：

import numpy as np
dots = ax.scatter(x=df.DT, y=df.W, s=df.V)
offsets =  dots.get_offsets()
jittered_offsets = offsets + np.random.uniform(-0.1, 0.1, offsets.shape)
dots.set_offsets(jittered_offsets)

如果保留原始颜色和大小，并去除透明度，这将明显吸引重叠点的注意力:

如果两个轴都是分类变量，则另一种方法是基于位置进行计数，并圈出出现多次的位置:

import collections
dots = ax.scatter(x=df.DT, y=df.W, s=df.V)
offsets =  dots.get_offsets()
counts = collections.Counter([(x,y)  for x, y in offsets])
suspects = [p for p in counts if counts[p] >= 2]
ax.scatter([x for x, _ in suspects], [y for _, y in suspects], ec='crimson', lw=1, fc='none', s=50)

当然，不同的方法（alpha、颜色、抖动、环绕）可以根据实际数据的具体情况进行组合。

- JohanC

---

谢谢您这个惊人的答案！我刚刚实现了抖动的方式，而且它运行得非常好。 - Istvan