Matplotlib散点图绘制求助：多列数据按列映射可视化需求

嘿，我完全懂你的需求啦——虽然刚接触Matplotlib，但这个散点图的需求其实很好实现！咱们直接上干货，一步步来：

你要的是把每一列的所有数值，都对应到它们所在的列位置（比如第1列的所有点都在x=1的位置，第2列在x=2，以此类推）来画散点。本质就是给每个数据点匹配对应的x坐标，然后批量绘制。

假设你已经用numpy.loadtxt把数据加载成了二维数组data（形状是(100000, 9)），直接用下面的代码就能搞定：

import numpy as np
import matplotlib.pyplot as plt

# 加载数据（你已经完成这一步了，这里只是示意）
data = np.loadtxt("你的数据文件路径.txt")

# 1. 生成每个数据点对应的x坐标：把列索引重复对应行数的次数
# 如果你想让x从1开始（而不是默认的0），就改成 np.arange(1, data.shape[1]+1)
x_coords = np.repeat(np.arange(data.shape[1]), data.shape[0])

# 2. 把所有列的数值平铺成一维数组，和x坐标一一对应
y_values = data.flatten()

# 3. 绘制散点图
plt.scatter(x_coords, y_values, s=1)  # s=1是设置点的大小，数据量太大，小点才能看清分布

# 优化可视化：设置x轴刻度对应每一列
plt.xticks(np.arange(data.shape[1]))  # 同样，x从1开始的话就改成 np.arange(1, data.shape[1]+1)

# 添加标签让图更清晰
plt.xlabel('列位置')
plt.ylabel('数值')
plt.title('各列数值分布散点图')

# 显示图像
plt.show()

• np.repeat(np.arange(data.shape[1]), data.shape[0])：比如你有9列，这个函数会把[0,1,2,...,8]里的每个数重复10万次，生成一个90万长度的数组，刚好和所有数据点的x位置对应。
• data.flatten()：把二维数组“拍扁”成一维，这样x和y的长度完全一致，Matplotlib才能正确绘制。
• s=1：因为你有90万个数据点，点太大的话会重叠成黑块，调小尺寸才能看出每列数值的分布规律。

如果直接画散点图有点卡顿（毕竟数据量不小），可以用六边形分箱图替代，它能更高效地展示数据密度，也不会卡：

plt.hexbin(x_coords, y_values, gridsize=50, cmap='viridis')
plt.colorbar(label='数据点密度')  # 颜色越深代表该区域点越多
plt.xticks(np.arange(data.shape[1]))
plt.xlabel('列位置')
plt.ylabel('数值')
plt.title('各列数值密度分布图')
plt.show()

内容的提问来源于stack exchange，提问作者Will