如何用Python Matplotlib绘制图A式精美2D散点图？能否免后期处理？

一、关于分布带的实现：无需后期处理，可直接用Matplotlib绘制 #

图A中的分布带不需要依赖Photoshop或AI制作，完全可以通过Matplotlib结合统计计算直接生成，核心是利用**核密度估计(KDE)**来绘制数据的概率密度分布区域，再叠加散点即可。

二、分步实现图A风格的散点图 #

假设你已有二维数据集x和y，以下是完整的实现步骤：

1. 导入所需库 #

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import gaussian_kde

2. 计算核密度估计(KDE) #

对二维数据进行KDE计算，生成密度分布的网格数据：

# 假设x和y是你的一维数据数组
data = np.vstack([x, y])
kde = gaussian_kde(data)

# 创建绘制密度的网格
xgrid, ygrid = np.mgrid[x.min():x.max():100j, y.min():y.max():100j]
positions = np.vstack([xgrid.ravel(), ygrid.ravel()])
density = kde(positions).reshape(xgrid.shape)

3. 绘制分布带与散点 #

通过半透明填充的密度带叠加散点，同时调整样式匹配图A的质感：

plt.figure(figsize=(8, 6))

# 绘制半透明的密度分布带（调整levels和alpha控制填充层次）
plt.contourf(xgrid, ygrid, density, levels=10, cmap='Blues', alpha=0.3)

# 绘制散点（调整点大小、颜色、边缘线增强精致感）
plt.scatter(x, y, s=20, c='darkblue', alpha=0.6, edgecolors='white', linewidths=0.5)

# 图表美化
plt.xlabel('X轴标签', fontsize=12)
plt.ylabel('Y轴标签', fontsize=12)
plt.title('带密度分布的散点图', fontsize=14)
plt.grid(alpha=0.2, linestyle='--')
plt.tight_layout()

plt.show()

4. 进阶优化（匹配图A的精细风格） #

• 调整gaussian_kde的bw_method参数（如bw_method=0.5）控制密度带的平滑度
• 散点可绑定第三维数据设置颜色映射（如c=z，z为额外数据列）
• 叠加contour绘制密度轮廓线，增强分布带的层次感
• 隐藏坐标轴顶部/右侧边框、调整刻度样式，提升整体简洁度

三、图B到图A的常见优化点 #

如果你的图B仅为基础散点，只需补充上述KDE计算和contourf绘制步骤即可添加分布带；若样式粗糙，可通过调整散点的alpha、edgecolors参数，优化颜色搭配和背景网格透明度来提升质感。

内容的提问来源于stack exchange，提问作者Aerin