基于Apple Store应用数据集的三变量可视化绘图实现问询

方案适配说明 #

• 优先选择气泡散点图匹配需求：可同时覆盖x轴应用名称、y轴评论数、散点尺寸映射评论数、颜色映射应用分类的所有展示要求
• 柱状图仅可通过颜色额外区分应用分类，无法实现评论数映射元素尺寸的需求；热力图更适配数值矩阵相关性展示，和当前场景匹配度较低，如有强制使用需求可按需调整

气泡散点图完整实现代码 #

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

# 读取本地Apple Store数据集，替换为你的实际文件路径
app_df = pd.read_csv("apple_store_apps.csv")

# 设置画布尺寸，避免x轴应用名称重叠
plt.figure(figsize=(18, 9))

# 绘制气泡散点图
sns.scatterplot(
    data=app_df,
    x="app_name",
    y="app_reviews",
    size="app_reviews",  # 散点尺寸和评论数绑定，数值越大尺寸越大
    sizes=(40, 1200),  # 自定义散点尺寸的最小/最大值，可根据数据分布调整
    hue="app_category",  # 散点颜色和应用分类绑定
    alpha=0.75,  # 设置半透明避免散点重叠遮挡
    palette="tab20"  # 适配多分类场景的配色方案
)

# 优化x轴标签显示，避免名称重叠
plt.xticks(rotation=90, fontsize=7)
# 设置图表标题和坐标轴标签
plt.title("Apple Store应用评论数分布（按分类区分颜色）", fontsize=15, pad=20)
plt.xlabel("应用名称", fontsize=12)
plt.ylabel("评论数量", fontsize=12)
# 调整图例位置，避免遮挡图表内容
plt.legend(bbox_to_anchor=(1.02, 1), loc="upper left", borderaxespad=0)
# 自动适配布局
plt.tight_layout()
# 展示图表，如需保存可取消注释下一行代码
plt.show()
# plt.savefig("app_reviews_bubble.png", dpi=300, bbox_inches="tight")

常见优化方案 #

如果数据集内应用数量过多，导致x轴标签过于密集无法识别，可先筛选评论数Top N的应用再绘图，示例如下：

# 取评论数排名前50的应用绘制图表
top50_df = app_df.sort_values("app_reviews", ascending=False).head(50)
# 后续绘图代码将data参数替换为top50_df即可

柱状图实现参考（仅保留颜色区分分类维度） #

plt.figure(figsize=(18,9))
sns.barplot(
    data=app_df,
    x="app_name",
    y="app_reviews",
    hue="app_category",
    palette="tab20"
)
plt.xticks(rotation=90, fontsize=7)
plt.title("Apple Store应用评论数分布（按分类区分颜色）", fontsize=15, pad=20)
plt.xlabel("应用名称", fontsize=12)
plt.ylabel("评论数量", fontsize=12)
plt.legend(bbox_to_anchor=(1.02,1), loc="upper left")
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者R.Mohammed