Python散点图绘制：如何处理X轴重复值对应多Y值的情况

针对你提到的Column A含大量重复类别（100+）、Column B对应多组数值的散点图需求，无需转列表/字典，直接用pandas结合matplotlib或seaborn就能实现，核心思路是用颜色映射每个类别，隐藏X轴并配合图例展示。

先构造模拟数据 #

先生成符合你场景的测试DataFrame：

import pandas as pd
import numpy as np

# 生成120个唯一类别，500条数据
categories = [f'Category_{i}' for i in range(120)]
df = pd.DataFrame({
    'Column A': np.random.choice(categories, size=500),
    'Column B': np.random.normal(loc=50, scale=10, size=500)
})

方案1：Matplotlib原生实现 #

手动给每个类别分配颜色，固定X轴位置，隐藏X轴元素：

import matplotlib.pyplot as plt
from matplotlib import cm

# 获取所有唯一类别
unique_cats = df['Column A'].unique()
# 从colormap中生成对应数量的均匀颜色
colors = cm.viridis(np.linspace(0, 1, len(unique_cats)))

plt.figure(figsize=(10, 6))
# 循环绘制每个类别的散点
for cat, color in zip(unique_cats, colors):
    y_vals = df[df['Column A'] == cat]['Column B']
    # X轴用固定值0，因为要隐藏X轴，位置不影响
    plt.scatter([0]*len(y_vals), y_vals, color=color, label=cat, alpha=0.6)

# 完全隐藏X轴的刻度和标签
plt.xticks([])
plt.xlabel('')

# 把图例放在图外，避免遮挡（分2栏节省空间）
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', ncol=2)
plt.ylabel('Column B 数值')
plt.title('按类别分组散点图（隐藏X轴）')
plt.tight_layout()
plt.show()

方案2：Seaborn简洁实现 #

用seaborn的stripplot直接通过hue参数绑定类别，一行搞定分组：

import seaborn as sns

plt.figure(figsize=(10, 6))
# 用stripplot，hue区分Column A的类别，X轴固定为0
sns.stripplot(
    data=df,
    x=[0]*len(df),
    y='Column B',
    hue='Column A',
    alpha=0.6,
    jitter=True  # 给散点加抖动，避免重叠
)

# 隐藏X轴
plt.xticks([])
plt.xlabel('')

# 调整图例位置
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', ncol=2)
plt.ylabel('Column B 数值')
plt.title('按类别分组散点图（隐藏X轴）')
plt.tight_layout()
plt.show()

额外优化建议 #

• 颜色自定义：如果不想用渐变colormap，可改用离散色板（如cm.tab20c）或手动指定颜色列表
• 图例优化：类别过多时，可增加ncol参数分更多栏，或缩小图例字体（plt.legend(..., fontsize=8)）
• 灵活调整X轴：若想保留X轴位置但隐藏标签，可将X轴设为类别索引，再执行plt.xticks([], [])隐藏标签

内容的提问来源于stack exchange，提问作者pythonmd661