Python处理CSV数据时结合山脊图与散点图解决点重叠可视化问题

前置依赖 #

需要提前安装pandas、matplotlib、seaborn三个库，安装命令：

pip install pandas matplotlib seaborn

完整实现代码 #

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

# 设置基础绘图样式
sns.set(style="white", rc={"axes.facecolor": (0, 0, 0, 0)})

# 1. 读取并筛选数据，保留原业务逻辑
df = pd.read_csv("result.csv")
filter_df = df[df["result"] > 0].copy()
param_cols = df.columns[:-1].tolist()  # 提取A-G参数列

# 2. 数据格式转换为长表，适配密度计算要求
melt_df = filter_df[param_cols].melt(var_name="param", value_name="value")

# 3. 初始化画布
fig, ax = plt.subplots(figsize=(10, 6))
param_order = param_cols  # 保持A-G的参数排序
x_ticks = np.arange(len(param_order))
bw_adjust = 0.5  # 密度曲线平滑度调整参数

# ---------------------- 绘制山脊图（频率分布） ----------------------
for i, param in enumerate(param_order):
    # 提取当前参数的所有有效值
    values = melt_df[melt_df["param"] == param]["value"].dropna()
    # 临时绘制kde曲线获取密度数据
    temp_kde = sns.kdeplot(values, bw_adjust=bw_adjust, cut=0, ax=ax)
    line = temp_kde.lines[-1]
    density_val = line.get_ydata()
    value_range = line.get_xdata()
    # 移除临时曲线，手动调整位置绘制山脊
    line.remove()
    # 密度值缩放后对齐到对应参数的x轴位置，半透明填充避免遮挡散点
    ax.fill_betweenx(
        y=value_range,
        x1=i - density_val/density_val.max()*0.4,
        x2=i + density_val/density_val.max()*0.4,
        alpha=0.3,
        color="#1f77b4"
    )

# ---------------------- 绘制散点（保留原逻辑） ----------------------
plot_scatter_count = min(10, len(filter_df))  # 超过10条仅取前10条
scatter_data = filter_df[param_cols].head(plot_scatter_count).T
# 遍历绘制散点，zorder设为10确保散点在山脊上层显示
for sample_idx in scatter_data.columns:
    ax.scatter(
        x=x_ticks,
        y=scatter_data[sample_idx],
        marker="o",
        color="#ff7f0e",
        edgecolor="white",
        s=50,
        zorder=10
    )

# ---------------------- 样式调整 ----------------------
ax.set_xticks(x_ticks)
ax.set_xticklabels(param_order)
ax.set_xlabel("参数名", fontsize=12)
ax.set_ylabel("参数值", fontsize=12)
ax.set_title("参数值分布散点+山脊图", fontsize=14)
sns.despine()
plt.show()

核心逻辑说明 #

• 山脊图部分：对每个参数的所有符合条件的样本值计算核密度，半透明填充的宽度对应数值的出现频率，无需额外坐标轴即可直观看到各参数的数值分布差异
• 散点部分：完全保留原需求逻辑，符合条件的样本数超过10时仅绘制前10条，zorder参数设为10确保散点始终显示在山脊图上层
• 可自定义调整参数：
  • 修改bw_adjust数值：调整密度曲线平滑度，数值越小曲线越尖锐，越贴合原始数据分布
  • 修改fill_betweenx中的缩放系数0.4：调整山脊图的横向宽度，避免不同参数的山脊互相重叠
  • 修改color参数：自定义山脊、散点的配色

内容的提问来源于stack exchange，提问作者user157522