Matplotlib散点图数据重叠遮挡问题：如何完整显示全类别数据？

一、X轴偏移法（直接解决同一月份的类别显示问题） #

给每个气候类别的x值（月份）加上微小偏移量，让同一月份的不同类别点在X轴上错开，避免完全重叠。具体实现如下：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 6))

# 给每个气候类别分配X轴偏移量，控制在±0.2范围内，避免偏离月份刻度过多
offsets = {'Sunny': -0.2, 'Hurricane': -0.1, 'Cloudy': 0, 'Rain': 0.1, 'Foggy': 0.15, 'Storm': 0.2}
colors = {'Sunny':'tab:blue', 'Hurricane':'tab:orange', 'Cloudy':'tab:green', 'Rain':'tab:red', 'Foggy':'tab:purple', 'Storm':'tab:brown'}

grouped = df.groupby('Climate')
for key, group in grouped:
    # 为当前组的月份值加上对应偏移
    x_vals = group['month'] + offsets[key]
    ax.scatter(x=x_vals, y=group['eta/km*100'], label=key, color=colors[key], alpha=0.8)

# 保持X轴刻度为1-12，确保月份标识清晰
plt.xticks(range(1, 13))
ax.legend()
plt.show()

说明：偏移量可根据数据密度调整——若类别更多，缩小偏移范围（比如±0.15）；同时设置alpha=0.8增加透明度，即使少量重叠也能看到下方的点。

二、其他实用替代方案 #

如果偏移法不符合你的可视化需求，还可以选择以下方法：

• 添加透明度：在scatter中设置alpha=0.5，让重叠点显示出深浅，直观体现数据密度，无需调整X轴。
• 随机抖动：给所有点的x值添加随机微小噪声，适合数据量极大的场景，代码示例：

  import numpy as np
  ax.scatter(x=group['month'] + np.random.uniform(-0.15, 0.15, size=len(group)), 
             y=group['eta/km*100'], label=key, color=colors[key], alpha=0.7)
  

• 箱线图/小提琴图：若关注的是每个月份+气候类别的数据分布（而非单个点），用箱线图展示中位数、四分位数等指标，彻底避免点重叠。
• 分面绘图：用seaborn.FacetGrid按气候类别拆分多个子图，每个子图展示对应类别的月份-eta关系，便于对比不同类别的趋势。

内容的提问来源于stack exchange，提问作者Alberto