Python优化结果绘图：如何消除曲线首尾的异常直线？

一、消除首尾连接的异常直线 #

问题原因 #

你提取的子集数据中，some_var_3的取值未按顺序排列，matplotlib的plot函数会严格遵循DataFrame中数据的原始顺序连接点，当首尾的some_var_3数值差距较大时，就会出现跨图的异常直线。

解决方法 #

筛选数据后，对结果按some_var_3进行排序，确保x轴数据按逻辑顺序排列，再执行绘图操作：

# 筛选目标数据并按some_var_3排序
filtered_df = df.loc[(df['some_var_1'] == 24) & (df['some_var_2'] == 0.001)].sort_values(by='some_var_3')
# 基于排序后的数据绘图
ax1.plot(filtered_df['some_var_3'], filtered_df['output'])

二、多维优化问题的其他可视化方案 #

• 平行坐标图：适合展示多变量与输出的关联，每个变量对应一条垂直轴，每个样本用折线连接各轴上的取值，可直观对比不同样本的变量组合与输出关系。示例代码：

  import pandas as pd
  from pandas.plotting import parallel_coordinates
  # 选择需要展示的变量和输出列
  target_cols = ['some_var_1', 'some_var_2', 'some_var_3', 'some_var_4', 'output']
  parallel_coordinates(df[target_cols], 'output', colormap='inferno')
  

• 散点矩阵（Pair Plot）：展示所有变量两两之间的散点关系，对角线上显示单变量分布，可快速观察变量间的相关性、分布规律。示例代码：

  import seaborn as sns
  sns.pairplot(df, vars=['some_var_1', 'some_var_2', 'some_var_3', 'some_var_4'], hue='output')
  

• 三维散点/曲面图：固定两个变量后，用三维空间展示剩余两个变量与输出的关系，适合呈现三维维度下的变化趋势。示例代码：

  from mpl_toolkits.mplot3d import Axes3D
  import matplotlib.pyplot as plt
  fig = plt.figure()
  ax = fig.add_subplot(111, projection='3d')
  ax.scatter(df['some_var_2'], df['some_var_3'], df['output'])
  

• 热力图：计算设计变量与输出的相关性系数，用颜色深浅展示相关性强弱，可快速定位对输出影响最大的变量。示例代码：

  import seaborn as sns
  corr_matrix = df[['some_var_1', 'some_var_2', 'some_var_3', 'some_var_4', 'output']].corr()
  sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
  

• 小提琴图/箱线图：固定其他变量后，展示单个设计变量不同取值下输出的分布情况，直观观察变量对输出离散程度的影响。示例代码：

  import seaborn as sns
  sns.violinplot(x='some_var_1', y='output', data=df)
  

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