如何用Python可视化展示两列数据的同向变化关联

你选的图表类型和分析目标不匹配：柱状图的适用场景是对比离散分类项的数值大小，而你要分析的BodyTemp、SpO2都是连续数值变量，直接把每条样本的体温值作为x轴分类画柱状图，样本量稍大必然会出现柱体紧挨、重叠的问题，根本没法体现两个变量的关联规律。

分析两个连续变量的关联特征，首选散点图，搭配拟合线可以直观看到两者的变化趋势，数据量大时给散点加透明度就能解决点重叠的问题。

import matplotlib.pyplot as plt
import seaborn as sns

# 基础散点图版本
plt.figure(figsize=(10, 6))
# alpha设置透明度，重叠区域颜色更深，能体现数据分布密度
plt.scatter(x=df["BodyTemp"], y=df["SpO2"], alpha=0.6)
plt.xlabel("BodyTemp")
plt.ylabel("SpO2")
plt.show()

# 带线性拟合线的版本，直接展示整体变化趋势
plt.figure(figsize=(10, 6))
# 红色线为线性拟合结果，斜率为正代表体温和血氧同步上升，斜率为负代表反向变化
sns.regplot(x=df["BodyTemp"], y=df["SpO2"], line_kws={"color": "red"})
plt.xlabel("BodyTemp")
plt.ylabel("SpO2")
plt.show()

如果偏好柱状图的展示形式，可以先对连续的体温值做分箱处理，按固定区间聚合计算每个区间的平均血氧后再绘图，就不会出现柱体过密的问题：

# 按0.5℃的步长切分体温区间
df["temp_range"] = pd.cut(
    df["BodyTemp"], 
    bins=np.arange(df["BodyTemp"].min(), df["BodyTemp"].max() + 0.5, 0.5)
)
# 计算每个体温区间的平均血氧
agg_df = df.groupby("temp_range")["SpO2"].mean().reset_index()

plt.figure(figsize=(10, 6))
plt.bar(x=agg_df["temp_range"].astype(str), height=agg_df["SpO2"])
plt.xlabel("BodyTemp range")
plt.ylabel("Average SpO2")
plt.xticks(rotation=45) # 旋转x轴标签避免文字重叠
plt.show()

可视化之外可以直接计算两个字段的皮尔逊相关系数，量化关联程度：

pearson_corr = df["BodyTemp"].corr(df["SpO2"])
print(f"体温与血氧的皮尔逊相关系数为：{pearson_corr:.2f}")

相关系数取值范围为-1到1：正值代表正相关（体温升高时血氧同步上升），负值代表负相关，绝对值越接近1说明线性关联越强。

内容的提问来源于stack exchange，提问作者l15