matplotlib实现大数据集可解释性可视化方案求助

你当前用的柱状图在大数据集下可读性差，本质是单柱对应单个B细胞的绘制逻辑，会在数据量上升时出现柱体重叠、x轴标签挤压堆叠的问题，完全无法传递有效信息。直接改散点图报错，通常是因为没有对x轴的分类ID做数值映射，或是没有处理多系列数据的格式问题。

先把原始宽格式数据转为长格式，再给每个B细胞分配独立x轴坐标，控制标签显示密度避免重叠：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 宽表转长表，适配多系列绘图
df_long = TMA_A_B_cells_surroundings_distance.stack().reset_index()
df_long.columns = ["B_cell_id", "surround_cell_type", "distance"]

# 为每个B细胞映射唯一x轴数值坐标
unique_b_cells = df_long["B_cell_id"].unique()
x_coor_map = {cid: idx for idx, cid in enumerate(unique_b_cells)}
df_long["x_pos"] = df_long["B_cell_id"].map(x_coor_map)

fig, ax = plt.subplots(figsize=(14, 7), dpi=100)
# 按周围细胞类型分组绘制散点，加透明度展示重叠点密度
for cell_type, sub_data in df_long.groupby("surround_cell_type"):
    ax.scatter(
        sub_data["x_pos"], 
        sub_data["distance"], 
        label=cell_type, 
        alpha=0.5, 
        s=12
    )

# 样式调整
ax.set_xlabel("B cells", color="red")
ax.set_ylabel("Distance", color="red")
ax.tick_params(axis="x", colors="red", rotation=90)
ax.tick_params(axis="y", colors="red")
# 控制x轴标签显示步长，数据量越大步长设置越高，避免标签重叠
show_step = max(1, len(unique_b_cells)//50)
ax.set_xticks(np.arange(len(unique_b_cells))[::show_step])
ax.set_xticklabels(unique_b_cells[::show_step], fontsize=8)

ax.set_title("Cell Cell distance", color="black")
ax.legend(loc="center left", bbox_to_anchor=(1.0, 0.5))

plt.tight_layout()
fig.savefig("TMA_A_Distance_scatter.png", bbox_inches="tight")
plt.show()

如果不需要逐一看每个B细胞的精确距离值，以下方案比散点图信息传递效率更高：

• 箱线图/小提琴图：适合对比不同类型周围细胞的距离分布，直接展示中位数、四分位距、离群值等统计特征，完全不受B细胞总量影响，不会出现轴元素拥挤问题。配合seaborn仅需几行代码即可实现，基于上面转换好的df_long调用sns.boxplot/sns.violinplot，x轴传周围细胞类型、y轴传距离即可。
• 核密度估计图(KDE)/分组直方图：适合展示不同细胞类型的距离值分布形态，能直观看出距离的集中区间、分布偏态，不需要展示单个B细胞维度的信息。
• 聚类热力图：如果需要保留B细胞维度的模式，可以先对B细胞的距离特征做简单聚类，再绘制距离矩阵热力图，不需要显示全部B细胞标签，就能直观看出B细胞的距离分群规律。
• 降维投影图：当B细胞总量过万时，可以先对距离矩阵做UMAP/PCA降维，把每个B细胞投射到二维平面，用点的颜色编码不同细胞类型的距离值，比线性排列B细胞的散点图更易看出全局分布规律。

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