Pandas绘制经纬度散点图（点权重为房屋中位数价值）的正确性与优化问询

1. 关于“点权重”的含义 #

这里的“点权重”指的是用散点的大小来映射“房屋中位数价值”这个数值——房价越高，对应的点就越大，通过视觉上的大小差异，能快速直观地看出不同经纬度区域的房价分布规律。

2. 当前代码的正确性 #

你写的代码是正确的：

train.plot.scatter(x = 'longitude', y = 'latitude', s = 'median_house_value');

pandas的scatter绘图方法中，s参数正是用来控制点的尺寸，完全符合“点权重用房屋中位数价值表示”的要求。

不过有个小细节要注意：如果median_house_value的数值本身很大（比如动辄几十万），画出来的点可能会过大甚至重叠，影响视觉效果。这时候可以给数值加个缩放系数，比如：

train.plot.scatter(x = 'longitude', y = 'latitude', s = train['median_house_value'] / 100);

把数值缩小100倍，点的大小会更适中。

3. 减少图中点数的方法 #

如果原始数据量太大，点太多导致图太拥挤，推荐这几种方法：

• 随机抽样：直接从数据集中抽取一部分样本绘图，既能减少点数，又能保留整体分布特征：

  # 随机抽取5000条样本，数量可以自己调整
  sample_data = train.sample(n=5000)
  sample_data.plot.scatter(x='longitude', y='latitude', s=sample_data['median_house_value']/100);
  

  也可以按比例抽样，比如抽30%的数据：

  sample_data = train.sample(frac=0.3)
  

• 经纬度分箱聚合：把经纬度划分成网格，每个网格内计算房价中位数，用聚合后的点代替原始点，能大幅减少点数，同时更清晰展示区域房价趋势：

  # 把经度、纬度各分成20个区间（bins数量可调整）
  train['lon_bin'] = pd.cut(train['longitude'], bins=20)
  train['lat_bin'] = pd.cut(train['latitude'], bins=20)
  
  # 按分箱分组，计算每组的房价中位数
  agg_data = train.groupby(['lon_bin', 'lat_bin'])['median_house_value'].median().reset_index()
  
  # 取每个分箱的中点作为绘图坐标
  agg_data['lon_mid'] = agg_data['lon_bin'].apply(lambda x: x.mid)
  agg_data['lat_mid'] = agg_data['lat_bin'].apply(lambda x: x.mid)
  
  # 绘制聚合后的散点图
  agg_data.plot.scatter(x='lon_mid', y='lat_mid', s=agg_data['median_house_value']/100);
  

内容的提问来源于stack exchange，提问作者snaigy