如何可视化值为不等长字符串列表的Python字典，展示KNN各试验对应准确率

推荐优先使用横向条形图展示不同准确率对应的试验数量，也可搭配散点图展示单个试验的准确率分布，两种实现代码如下：

第一步：数据预处理 #

首先将现有字典转换为更适合绘图的结构化数据：

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

# 填入你生成的duplicate_dict
duplicate_dict = {'0.9885185185185185': ['Nearest_Neighbors_6', 'Nearest_Neighbors_7', 'Nearest_Neighbors_13', 'Nearest_Neighbors_14', 'Nearest_Neighbors_27', 'Nearest_Neighbors_28'],
 '0.9890740740740741': ['Nearest_Neighbors_21', 'Nearest_Neighbors_35'],
 '0.9894444444444445': ['Nearest_Neighbors_20', 'Nearest_Neighbors_34'],
 '0.9903703703703703': ['Nearest_Neighbors_5', 'Nearest_Neighbors_12', 'Nearest_Neighbors_26'],
 '0.9922222222222222': ['Nearest_Neighbors_19', 'Nearest_Neighbors_33'],
 '0.9929629629629629': ['Nearest_Neighbors_4', 'Nearest_Neighbors_11', 'Nearest_Neighbors_25'],
 '0.9931481481481481': ['Nearest_Neighbors_18', 'Nearest_Neighbors_32'],
 '0.9938888888888889': ['Nearest_Neighbors_3', 'Nearest_Neighbors_10', 'Nearest_Neighbors_17', 'Nearest_Neighbors_24', 'Nearest_Neighbors_31'],
 '0.9955555555555555': ['Nearest_Neighbors_2', 'Nearest_Neighbors_9', 'Nearest_Neighbors_23'],
 '0.9957407407407407': ['Nearest_Neighbors_16', 'Nearest_Neighbors_30'],
 '0.997037037037037': ['Nearest_Neighbors', 'Nearest_Neighbors_8', 'Nearest_Neighbors_15', 'Nearest_Neighbors_22', 'Nearest_Neighbors_29']}

# 转换为DataFrame格式
records = []
for score_str, models in duplicate_dict.items():
    score = float(score_str)
    for model_name in models:
        records.append({'试验名称': model_name, '准确率': score})
df = pd.DataFrame(records)
# 按准确率升序排序方便后续展示
df = df.sort_values('准确率', ascending=True)

第二步：可视化实现 #

方案1：横向条形图（展示不同准确率对应的试验数量） #

适合快速查看不同准确率对应的试验分布密度：

# 统计每个准确率对应的模型数量
count_df = df.groupby('准确率')['试验名称'].count().reset_index(name='对应试验数量')
count_df['准确率'] = count_df['准确率'].apply(lambda x: round(x,4)) # 保留4位小数更美观

plt.figure(figsize=(10,6))
sns.barplot(data=count_df, y='准确率', x='对应试验数量', palette='Blues_d', orient='h')
plt.title('不同KNeighborsClassifier试验的准确率分布', fontsize=14)
plt.xlabel('对应试验数量', fontsize=12)
plt.ylabel('准确率', fontsize=12)
plt.tight_layout()
plt.show()

方案2：散点图（展示单个试验的准确率详情） #

适合查看每个单独试验的具体得分情况：

plt.figure(figsize=(12,7))
sns.scatterplot(data=df, x='准确率', y='试验名称', s=100, color='darkblue')
plt.title('各KNeighborsClassifier试验准确率详情', fontsize=14)
plt.xlabel('准确率', fontsize=12)
plt.ylabel('试验名称', fontsize=12)
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

其他说明 #

如果需要用热图展示，可额外提取每个试验的n_neighbors参数、距离度量参数作为两个维度，准确率作为热力值绘制二维热图，只需补充存储每个试验对应参数的列表即可实现。

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