在同一坐标轴绘制多组带回归线的分组散点图

Excel 实现步骤 #

1. 数据预处理 #

• 保留原数据结构（Location/Year/A/B），可新增辅助列 Label，公式为 =A2&" "&B2（假设Location在A列，Year在B列），用于后续点的标注。
• 单独整理1990年和2020年的子集：
  • 1990子集：筛选Year=1990的所有A、B数据
  • 2020子集：筛选Year=2020的所有A、B数据

2. 创建分组散点图 #

• 选中所有A、B列数据，点击「插入」>「散点图」>「仅带数据标记的散点图」。
• 右键图表>「选择数据」，逐个添加每个国家的系列：
  • 点击「添加」，系列名称选择对应国家的Location单元格，X值选择该国家的两个A值单元格，Y值选择对应两个B值单元格。
  • 重复操作完成所有国家的系列添加，此时每个国家的两个数据点会自动使用不同颜色（可手动调整颜色方案）。

3. 添加数据标签 #

• 选中任意系列，点击「图表元素」>「数据标签」>「更多选项」。
• 在「标签选项」中勾选「单元格中的值」，选择对应国家的Label列单元格，取消勾选默认的Y值，完成该系列的标签添加。
• 重复操作给所有系列添加标签。

4. 添加分年份回归线 #

• 右键图表>「选择数据」>「添加」，创建1990年数据系列：
  • 系列名称填「1990回归线」，X值选1990子集的A列，Y值选1990子集的B列，点击确定。
• 选中这个新系列，点击「图表元素」>「趋势线」>「线性」，右键趋势线>「设置趋势线格式」：
  • 勾选「显示公式」和「显示R平方值」，然后将该系列的「数据标记」设为「无」（隐藏原始点）。
• 重复上述步骤，添加2020年的回归线系列，完成后两条回归线会显示在同一坐标轴上。

Python（Matplotlib+Seaborn）实现方案 #

如果Excel操作繁琐，可使用Python快速实现，代码示例如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据（可替换为你的数据源路径）
data = pd.DataFrame({
    'Location': ['Afghanistan']*2 + ['Albania']*2 + ['Algeria']*2 + ['Angola']*2 + ['Antigua and Barbuda']*2 + ['Argentina']*2,
    'Year': [1990,2020]*6,
    'A': [48.3973,65.432,76.4334,79.6756,68.5167,75.9125,82.6756,83.1922,73.6497,80.7452,75.9699,81.3155],
    'B': [1377.85863,620.40751,32.87494,8.27645,205.81979,77.69479,1101.50579,221.90649,58.0267,21.24795,87.81427,44.90008]
})

plt.figure(figsize=(10,6))

# 绘制分组散点图，每个国家一组颜色，年份用标记区分
sns.scatterplot(data=data, x='A', y='B', hue='Location', style='Year', s=100)

# 添加1990年回归线
sns.regplot(data=data[data['Year']==1990], x='A', y='B', scatter=False, color='darkred', label='1990 回归线')
# 添加2020年回归线
sns.regplot(data=data[data['Year']==2020], x='A', y='B', scatter=False, color='darkblue', label='2020 回归线')

# 添加数据标签
for idx, row in data.iterrows():
    plt.text(row['A']+0.5, row['B'], f"{row['Location']} {row['Year']}", fontsize=8)

plt.legend(bbox_to_anchor=(1.05,1), loc='upper left')
plt.xlabel('A')
plt.ylabel('B')
plt.title('带分组颜色与分年份回归线的散点图')
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Reptile Smile