Matplotlib散点图中相同坐标下如何汇总c参数对应数据值？

Matplotlib内置方法说明 #

Matplotlib没有直接实现「合并重复坐标对应c值总和」的内置功能，必须先对数据进行预处理，再传入散点图函数。

高效数据预处理方案（适配60万级大数组） #

针对大数组场景，推荐使用NumPy的向量化操作实现，底层基于C语言优化，性能远高于Python循环或zip+集合的方法。核心思路是：

• 将x、y坐标对合并为二维数组，识别唯一坐标
• 对每个唯一坐标对应的data值求和

代码实现 #

import numpy as np

# 原始数据
x = np.array([3, 7, 12, 3, 56, 4, 2, 3, 65, 87, 12, 3, 9, 7, 87])
y = np.array([7, 24, 87, 9, 65, 43, 54, 9, 3, 8, 34, 9, 23, 6, 8])
data = np.array([6, 45, 4, 25, 7, 45, 78, 4, 82, 3, 9, 43, 32, 5, 9])

# 合并x、y为坐标对（二维数组，每行对应一组(x,y)）
coords = np.column_stack((x, y))

# 获取唯一坐标，以及每个原始坐标对应的唯一坐标索引
unique_coords, inverse_indices = np.unique(coords, axis=0, return_inverse=True)

# 对每个唯一坐标对应的data值求和
summed_data = np.bincount(inverse_indices, weights=data)

# 拆分唯一坐标为新的x、y数组
new_x = unique_coords[:, 0]
new_y = unique_coords[:, 1]

# 输出结果
print("处理后x:", new_x)
print("处理后y:", new_y)
print("处理后data:", summed_data)

结果验证 #

运行后得到的核心数据与示例完全匹配（唯一坐标的顺序可能因NumPy版本略有差异，但数据准确性不受影响）：

• 坐标(3,9)对应的data总和为25+4+43=72
• 坐标(87,8)对应的data总和为3+9=12

性能优势 #

该方案全程使用NumPy内置函数，避免了Python层面的循环操作，处理60万级数组仅需毫秒级时间，远快于纯Python实现。

内容的提问来源于stack exchange，提问作者Cymylau