如何创建带归一化标记透明度的散点图并修正图表形状

AI 小北

2026-7-9

问题解决

1. 修正图表形状（解决行顺序颠倒/疑似转置问题）

Matplotlib默认y轴原点在左下角，而你的DataFrame行索引是从上到下排列的，直接用行索引作为y值会导致第0行出现在图表最下方，和原DataFrame的布局颠倒。解决方式是反转y轴的数值，让第0行对应图表最上方：

将生成y的代码改为y = np.tile(ox[::-1], (len(df), 1))，实现行索引的反转映射。

x对应DataFrame的列索引，保持原有生成逻辑即可，这样每个点的位置会和DataFrame单元格的位置完全匹配。

2. 根据数值调整透明度

把DataFrame的数值归一化到0-1区间，数值越低透明度越浅（alpha越小），越高透明度越深（alpha越大）。手动计算归一化后的alpha值：

alpha_vals = (df.values - df.values.min()) / (df.values.max() - df.values.min())

然后在plt.scatter()中指定alpha=alpha_vals.ravel()（scatter要求传入一维数组）。

完整修正代码

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

rng = np.random.default_rng(seed=111)
rints = rng.integers(low=0, high=1000, size=(5,5))
df = pd.DataFrame(rints)

ox = np.arange(len(df))
# x对应列索引，保持原有逻辑
x = np.tile(ox[:, np.newaxis], (1, len(ox)))
# y对应反转后的行索引，匹配DataFrame的行顺序
y = np.tile(ox[::-1], (len(df), 1))

# 计算归一化的透明度值
alpha_vals = (df.values - df.values.min()) / (df.values.max() - df.values.min())

plt.scatter(x, y, marker='o', color='tab:orange', ec='k', ls='--', 
            s=df.values.ravel(), alpha=alpha_vals.ravel())

# 添加单元格数值标注
for ix, iy, v in zip(x.ravel(), y.ravel(), df.values.ravel()):
    plt.annotate(str(v), (ix, iy), textcoords='offset points', xytext=(0,10), ha='center')
        
plt.axis("off")
plt.margins(y=0.2)
plt.show()