如何用点而非条形绘制频率图？已有分箱与频率值

需求说明 #

需要绘制分箱频率点图，已提前计算好分箱区间（low_bin、high_bin）和对应频率（frequency），样本数据如下：

import pandas as pd

df_fd = pd.DataFrame({
    'low_bin': [13.142857, 18.857143, 24.571429, 30.285714, 36.000000, 41.714286, 47.428571, 53.142857],
    'high_bin': [18.857143, 24.571429, 30.285714, 36.000000, 41.714286, 47.428571, 53.142857, 58.857143],
    'frequency': [3,5,8,8,7,7,1,1]
})

原代码问题分析 #

原代码中Y[Y>df_fd['frequency']] = np.nan执行失败，核心原因是维度不匹配：

• df_fd['frequency']是长度为8的一维数组
• Y是np.meshgrid生成的二维数组，行数等于最大频率值，列数等于每个分箱的x点数
• 直接进行比较会触发numpy广播错误，无法逐行匹配分箱的频率阈值

解决方案一：直接生成点坐标（推荐） #

跳过meshgrid，直接为每个分箱生成对应数量的点，逻辑更直观：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 5))

# 绘制底层柱状图
ax.bar(
    df_fd.low_bin, 
    df_fd.frequency, 
    width=df_fd.high_bin - df_fd.low_bin,
    edgecolor='black',
    alpha=0.3,
    label='Frequency Bar'
)

# 为每个分箱生成区间内的x坐标（均匀分布，可调整点数）
x_per_bin = np.linspace(df_fd.low_bin, df_fd.high_bin, num=8, axis=1)

# 生成每个分箱对应的y坐标（1到对应frequency的整数）
x_points = []
y_points = []
for idx, freq in enumerate(df_fd.frequency):
    # 取对应分箱的前freq个x点（保证点数和频率一致）
    selected_x = x_per_bin[idx][:freq]
    # 生成y值：1到freq
    selected_y = np.arange(1, freq + 1)
    # 添加到总列表
    x_points.extend(selected_x)
    y_points.extend(selected_y)

# 绘制散点图
ax.scatter(x_points, y_points, color='black', s=20, label='Frequency Points')

# 美化图表
ax.set_xlabel('Value Range')
ax.set_ylabel('Frequency')
ax.legend()
plt.tight_layout()
plt.show()

解决方案二：修正原代码的维度问题 #

如果坚持使用meshgrid，需要将频率数组转为二维，实现逐行阈值判断：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 5))

# 绘制柱状图
ax.bar(df_fd.low_bin, df_fd.frequency, width=df_fd.high_bin - df_fd.low_bin, edgecolor='black', alpha=0.3)

# 每个分箱生成10个x点
x_per_bin = np.linspace(df_fd.low_bin, df_fd.high_bin, num=10, axis=1)
# 最大频率作为y轴的行数
max_freq = df_fd.frequency.max()
# 生成网格
X, Y = np.meshgrid(x_per_bin[0], np.arange(1, max_freq + 1))

# 将频率转为二维数组（行数与Y一致，列数为1）
freq_2d = df_fd.frequency.values[:, None]
# 创建掩码：Y超过对应分箱频率的位置设为True
mask = Y > freq_2d
# 掩码应用到Y，超过的设为nan
Y[mask] = np.nan

# 扁平化数组并过滤nan
valid_x = X[~np.isnan(Y)]
valid_y = Y[~np.isnan(Y)]

# 绘制散点图
ax.scatter(valid_x, valid_y, color='black', s=20)

ax.set_xlabel('Value Range')
ax.set_ylabel('Frequency')
plt.tight_layout()
plt.show()

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