Python Pandas数据框重构与散点图绘制：实现数值对应分类、按另一类别着色的可视化方案

没问题！我帮你一步步搞定这个散点图需求——首先得把你的宽格式数据转成可视化友好的长格式，然后用Matplotlib/Seaborn或者Plotly都能轻松实现目标。

第一步：重构Pandas数据框 #

你的原始数据是宽格式（每列对应一种疾病），但这类分类可视化需要长格式（把所有疾病的数值统一放到一列，同时新增一列标记疾病类型）。用Pandas的melt()方法就能一键转换：

import pandas as pd

# 模拟你的原始数据框（替换成你自己的df即可）
df = pd.DataFrame({
    'gender': ['male', 'female', 'male', 'female'],
    'disease1': [0.82, 0.75, 0.80, 0.78],
    'disease2': [0.76, 0.93, 0.79, 0.91]
})

# 转换为长格式
long_df = df.melt(
    id_vars='gender',       # 保留不变的分类列（性别）
    var_name='disease',     # 新生成的疾病类型列名
    value_name='score'      # 数值列的名称
)

转换后的数据框长这样：

第二步：用Matplotlib+Seaborn绘制静态散点图 #

Seaborn是Matplotlib的封装库，对分类数据可视化更友好，代码简洁易读：

import seaborn as sns
import matplotlib.pyplot as plt

# 设置绘图风格
sns.set_style("whitegrid")

# 核心绘图代码：x轴是疾病分类，y轴是数值，hue参数按性别着色
sns.scatterplot(
    data=long_df,
    x='disease',
    y='score',
    hue='gender',
    s=100,          # 调整点的大小
    palette='Set2'  # 自定义配色方案
)

# 添加标题和标签
plt.title('Score Distribution by Disease and Gender', fontsize=14)
plt.xlabel('Disease Type', fontsize=12)
plt.ylabel('Score', fontsize=12)

# 调整图例
plt.legend(title='Gender')

# 显示图形
plt.show()

第三步：用Plotly Express绘制交互式散点图 #

如果想要支持鼠标悬停查看详情、点击图例筛选的交互式图表，Plotly Express是最佳选择：

import plotly.express as px

# 生成交互式散点图
fig = px.scatter(
    long_df,
    x='disease',
    y='score',
    color='gender',          # 按性别着色
    size_max=30,             # 点的最大尺寸
    title='Score Distribution by Disease and Gender',
    labels={'score': 'Score', 'disease': 'Disease Type'}  # 自定义轴标签
)

# 优化布局细节
fig.update_layout(
    xaxis_title='Disease Type',
    yaxis_title='Score',
    legend_title='Gender'
)

# 显示交互式图表
fig.show()

内容的提问来源于stack exchange，提问作者Tclha