如何通过Scatter Plot with 2 Y-axis完整呈现表格全量信息？含多维度配置

核心思路 #

将分类字段source_city、destination_city转换为可映射到Y轴的数值编码，以price为X轴变量，每个散点标注对应airline信息，通过双Y轴分别展示出发/到达城市与价格的关联，确保表格全量信息完整呈现。

具体实现步骤（Python + Matplotlib） #

1. 数据预处理 #

• 对source_city和destination_city做分类编码，将城市名称映射为唯一数值（便于Y轴绘制）
• 确保price字段为数值类型

2. 完整代码示例 #

import matplotlib.pyplot as plt
import pandas as pd
from sklearn.preprocessing import LabelEncoder

# 替换为你的实际表格数据
data = pd.DataFrame({
    'source_city': ['Delhi', 'Mumbai', 'Bangalore', 'Delhi', 'Mumbai'],
    'destination_city': ['Mumbai', 'Delhi', 'Delhi', 'Bangalore', 'Bangalore'],
    'price': [5000, 4800, 6200, 5500, 5900],
    'airline': ['Indigo', 'Air India', 'SpiceJet', 'Indigo', 'Air India']
})

# 城市分类变量编码
le_source = LabelEncoder()
le_dest = LabelEncoder()
data['source_code'] = le_source.fit_transform(data['source_city'])
data['dest_code'] = le_dest.fit_transform(data['destination_city'])

# 创建画布与主Y轴
fig, ax1 = plt.subplots(figsize=(10, 6))

# 主Y轴：出发城市散点
scatter_source = ax1.scatter(data['price'], data['source_code'], color='#1f77b4', s=120)
ax1.set_xlabel('Price', fontsize=12)
ax1.set_ylabel('Source City', color='#1f77b4', fontsize=12)
ax1.tick_params(axis='y', labelcolor='#1f77b4')
# 替换Y轴刻度为原城市名称
ax1.set_yticks(range(len(le_source.classes_)))
ax1.set_yticklabels(le_source.classes_)

# 创建副Y轴（共享X轴）
ax2 = ax1.twinx()
# 副Y轴：到达城市散点
scatter_dest = ax2.scatter(data['price'], data['dest_code'], color='#ff7f0e', s=120, marker='^')
ax2.set_ylabel('Destination City', color='#ff7f0e', fontsize=12)
ax2.tick_params(axis='y', labelcolor='#ff7f0e')
# 替换Y轴刻度为原城市名称
ax2.set_yticks(range(len(le_dest.classes_)))
ax2.set_yticklabels(le_dest.classes_)

# 为每个散点添加航空公司标签
for idx, row in data.iterrows():
    ax1.annotate(row['airline'], (row['price'], row['source_code']), xytext=(5, 3), textcoords='offset points', fontsize=9)
    ax2.annotate(row['airline'], (row['price'], row['dest_code']), xytext=(5, 3), textcoords='offset points', fontsize=9)

# 添加图例与标题
plt.legend([scatter_source, scatter_dest], ['Source City', 'Destination City'], loc='upper left')
plt.title('Price vs City Pair (Airline as Data Label)', fontsize=14)
plt.tight_layout()
plt.show()

3. 关键细节优化 #

• 分类编码还原：编码后将Y轴刻度替换为原城市名称，避免数值编码降低可读性
• 双轴区分：用不同颜色、标记样式区分两个Y轴的散点，减少视觉混淆
• 标签定位：通过xytext微调标签位置，避免遮挡散点
• 布局适配：用tight_layout()自动调整元素位置，防止内容截断

替代方案（Seaborn风格实现） #

若偏好更简洁的统计绘图风格，可使用Seaborn配合双Y轴：

import seaborn as sns

fig, ax1 = plt.subplots(figsize=(10, 6))

# 主Y轴：出发城市散点（按航空公司区分颜色）
sns.scatterplot(data=data, x='price', y='source_code', hue='airline', ax=ax1, s=150)
ax1.set_ylabel('Source City', color='#1f77b4', fontsize=12)
ax1.set_yticks(range(len(le_source.classes_)))
ax1.set_yticklabels(le_source.classes_)

# 副Y轴：到达城市散点
ax2 = ax1.twinx()
sns.scatterplot(data=data, x='price', y='dest_code', hue='airline', ax=ax2, marker='s', s=150)
ax2.set_ylabel('Destination City', color='#ff7f0e', fontsize=12)
ax2.set_yticks(range(len(le_dest.classes_)))
ax2.set_yticklabels(le_dest.classes_)

plt.title('Price vs City Pair with Airline Labels', fontsize=14)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Raj Mehta