基于Pandas与Matplotlib的用户RFM消费轨迹图绘制及代码效果偏差排查

核心问题定位 #

• 多记录首个用户展示异常：未对同一uid下的消费记录按时间升序排序，分组时未将同用户的所有消费点绑定到固定纵轴行位，导致跨用户的点错位，把其他用户的记录渲染到了首个用户对应的纵轴位置。
• 圆点尺寸匹配失准：直接将原始M值（通常为几十到数百的客单价）传入matplotlib散点的s参数（该参数单位为点面积，无自动缩放逻辑），未做归一化映射，导致尺寸要么过小不可见，要么过大溢出画布。
• 位置映射逻辑错配：未将R值换算为“距离Now虚线的水平相对间隔”，直接将R值作为绝对横坐标赋值，导致点的整体位置偏移，无法通过与Now线的距离表征最近消费的时间间隔。

正确实现方案 #

数据预处理步骤 #

• 排序校验：对原始DataFrame按uid、消费时间戳做升序排序，保证同一用户的消费序列按时间先后排布，相邻点的水平间隔自然对应两次消费的时间差，匹配Frequency维度的映射要求。
• 坐标绑定：将“Now”垂直虚线固定在画布的x=0位置，每一笔消费的横坐标设定为0 - 对应R值的相对刻度——R值越大（距当前时间越久），横坐标越靠左，最右侧的点与Now线的间隔严格等于对应用户的R值大小。
• 尺寸归一化：将M值的取值区间线性映射到散点尺寸的合理范围（如15~200的面积区间），映射公式为scatter_size = 15 + (M - M.min())/(M.max() - M.min()) * 185，保证尺寸与M值成正比且不会溢出。
• 纵轴分配：为每个唯一uid分配固定纵轴坐标，所有该用户的消费点统一渲染在对应y值的水平线上，从根源上避免跨用户的点错位。

核心可运行代码片段 #

import matplotlib.pyplot as plt
import pandas as pd

# 初始化画布
fig, ax = plt.subplots(figsize=(10, 6))
# 固定Now参考线的横坐标
NOW_X = 0
# 绘制Now垂直虚线
ax.axvline(x=NOW_X, color="#888888", linestyle="--")
ax.text(NOW_X + 0.2, ax.get_ylim()[1], "Now", va="top", color="#888888")

# 为每个用户分配固定纵轴位置
unique_uids = df["uid"].unique()
y_axis_pos = {uid: idx for idx, uid in enumerate(reversed(unique_uids))}

# M值归一化到散点尺寸合理区间
m_min, m_max = df["M"].min(), df["M"].max()
df["plot_size"] = 15 + (df["M"] - m_min) / (m_max - m_min) * 185

# 逐用户绘制消费点序列
for uid, user_group in df.groupby("uid"):
    # 按时间升序排序保证序列顺序正确
    user_group_sorted = user_group.sort_values("消费时间")
    # 横坐标匹配R值：距Now越近R越小，x越靠近0
    x_list = NOW_X - user_group_sorted["R"].values
    # 所有点绑定到用户对应的固定y坐标
    y_list = [y_axis_pos[uid]] * len(user_group_sorted)
    ax.scatter(
        x=x_list,
        y=y_list,
        s=user_group_sorted["plot_size"],
        alpha=0.7,
        edgecolor="white"
    )

# 坐标轴配置
ax.set_yticks(list(y_axis_pos.values()))
ax.set_yticklabels([f"用户{uid}" for uid in y_axis_pos.keys()])
ax.set_xlabel("消费时间轴（距当前间隔）")
ax.spines[["top", "right"]].set_visible(False)
plt.tight_layout()
plt.show()

效果校验标准 #

• 同一用户行的最右侧点与Now虚线的水平距离，完全对应该用户的R值大小
• 同一行相邻两个点的水平间隔，对应两次消费的时间差，匹配Frequency映射
• 所有点的面积随M值增大成正比放大，无尺寸溢出或不可见问题

内容的提问来源于stack exchange，提问作者Shlomi Schwartz