如何写y为x函数的plt.scatter(x,y)，使其x与y关系更易理解

你可以通过变量语义化命名+显式指定scatter函数的关键字参数实现需求，改造后仅看scatter调用就能明确x、y的含义，无需回溯前置代码。

改造后代码示例 #

import matplotlib.pyplot as plt
import pandas as pd

# 变量名直接表达含义，取消无意义的变量名a
null_count_threshold = list(range(1200))
feature_cnt_over_threshold = []

for threshold in null_count_threshold:
    # 筛选空值数量超过当前阈值的特征
    matched_features = [col for col in df.columns if df[col].isnull().sum() > threshold]
    feature_cnt_over_threshold.append(len(matched_features))

# 显式指定x、y关键字参数，参数含义一目了然
plt.scatter(x=null_count_threshold, y=feature_cnt_over_threshold)
# 额外补充坐标轴标签进一步提升可读性
plt.xlabel("空值数量阈值")
plt.ylabel("空值数超过阈值的特征数量")
plt.show()

更高效的精简写法 #

可以用pandas向量化操作替换循环，性能更好，逻辑同样清晰：

col_na_sum = df.isnull().sum()
null_count_threshold = range(1200)
feature_cnt_over_threshold = [sum(col_na_sum > threshold) for threshold in null_count_threshold]

plt.scatter(x=null_count_threshold, y=feature_cnt_over_threshold)

内容的提问来源于stack exchange，提问作者mir abir hossain