如何为不同Y值设置不同标记及优化多Y值X轴数据可视化

问题1：为不同Y值设置不同标记 #

可以通过按Y值分组绘制的方式实现，先定义Y值到标记的映射，再筛选出每个Y值对应的X数据，逐个调用plt.scatter设置对应标记。示例代码如下：

import matplotlib.pyplot as plt

xLables = ['A1','A2','A3','A4','A5']
YValues = [[1,2,3,4],[1,2,3,4,5,6,7],[1,2,3],[5,6,7],[1,2,3]]

# 整理成(X, Y)配对的列表
data_pairs = []
for idx, ys in enumerate(YValues):
    current_x = xLables[idx]
    for y in ys:
        data_pairs.append((current_x, y))

# 定义Y值与标记的映射，可根据需求扩展
y_marker_map = {
    1: '*',   # 星号
    2: 'D',   # 菱形
    3: '^',   # 上三角
    4: 'v',   # 下三角
    5: 'o',   # 圆形
    6: '<',   # 左三角
    7: '>'    # 右三角
}

# 按Y值分组绘制散点
for y_val, marker in y_marker_map.items():
    # 筛选当前Y值对应的所有X和Y数据
    target_x = [x for x, y in data_pairs if y == y_val]
    target_y = [y for x, y in data_pairs if y == y_val]
    plt.scatter(target_x, target_y, marker=marker, label=f"Y={y_val}")

plt.grid()
plt.legend(title="Y值")
plt.show()

这种方式能精准控制每个Y值对应的标记，同时通过图例清晰区分不同Y值。

问题2：更优的可视化方式 #

针对单个X对应多个Y值的场景，除了自定义标记的散点图，还有以下更合适的方案：

1. 蜂群图（Swarm Plot） #

使用Seaborn的swarmplot，可以让每个数据点不重叠，清晰展示每个X分组下的所有Y值，还能通过颜色、样式区分不同Y值，适合展示原始数据分布：

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

xLables = ['A1','A2','A3','A4','A5']
YValues = [[1,2,3,4],[1,2,3,4,5,6,7],[1,2,3],[5,6,7],[1,2,3]]

# 转换为DataFrame，适配Seaborn的接口
df = pd.DataFrame({
    "X": [xLables[i] for i, ys in enumerate(YValues) for _ in ys],
    "Y": [y for ys in YValues for y in ys]
})

# 绘制蜂群图，按Y值区分颜色和样式
sns.swarmplot(data=df, x="X", y="Y", hue="Y", style="Y", palette="viridis")
plt.grid(axis='y')
plt.legend(title="Y值", bbox_to_anchor=(1.05, 1), loc="upper left")
plt.tight_layout()
plt.show()

2. 箱线图（Box Plot） #

如果更关注每个X分组下Y值的统计分布（中位数、四分位数、异常值等），箱线图是高效的选择：

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

# 沿用上面的df数据
sns.boxplot(data=df, x="X", y="Y")
plt.grid(axis='y')
plt.show()

3. 小提琴图（Violin Plot） #

结合了箱线图和密度图的优点，既能展示统计量，又能体现Y值的分布密度：

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

# 沿用上面的df数据
sns.violinplot(data=df, x="X", y="Y")
plt.grid(axis='y')
plt.show()

这些方案可以根据你的需求选择：需要展示所有原始数据选蜂群图，关注统计分布选箱线图，兼顾分布密度选小提琴图。

内容的提问来源于stack exchange，提问作者Ash SDR