如何用Pandas和Seaborn绘制多X轴分类散点图？

你的核心问题是当前代码把三列数据都叠加到了相同的X轴类别上，导致所有点重叠在一起，没有实现每个X类别对应单独列数据的效果。要解决这个问题，关键是把宽格式的数据转换为长格式，Seaborn的分类绘图函数对长格式数据支持更好。

当前代码的问题 #

你多次调用sns.stripplot时，x参数都用了dfx['CHAR']，这会让三列的所有数据点都分别画在"S1_1"、"S1_2"、"S1_3"这三个X类别上，最终三个列的点完全重叠，无法区分。另外dfx这个DataFrame是多余的，完全不需要单独创建。

正确实现代码 #

使用pd.melt将你的宽格式数据转换为长格式，让每个数据点都对应一个类别标签和数值，之后只需一次调用stripplot就能生成符合预期的图表：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 加载Excel数据
df = pd.read_excel("panda.xlsx")

# 转换为长格式：将目标列转换为类别-数值的结构
melted_df = df.melt(var_name="CHAR", value_name="Measurement")

# 绘制分类散点图，jitter参数让同类别点分散避免重叠
sns.stripplot(x="CHAR", y="Measurement", data=melted_df, color='black', jitter=True)

plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()

代码说明 #

• pd.melt：把原来的宽格式（每列对应一个类别）转成长格式，生成两列：CHAR（存储类别名称S1_1/S1_2/S1_3）和Measurement（存储对应列的9个测量值）。
• jitter=True：可选参数，让同一类别下的点稍微水平分散，避免完全重叠，更清晰展示数据分布。

这样生成的图表会在X轴上显示三个独立类别，每个类别下对应该列的全部测量值点，完全匹配你的需求。

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