嘿，我完全懂你要的那种点图——就是每个观测值对应一个点，相同数值的点在垂直方向堆叠的统计学点图，比如0值上方有6个点就代表6个取值为0的观测，对吧？之前我也踩过坑，直接搜Matplotlib的时候确实容易搜到普通散点图，这里给你两个实用的实现方案：

方法一：用Matplotlib手动绘制 #

核心思路是先统计每个数值的出现次数，然后在对应x轴位置，把点依次画在不同的y轴高度上，保证每个观测值都有对应的点：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据，和你提到的示例类似
data = [0,0,0,0,0,0,1,1,1,2,2,2,2,3,3]

# 统计每个数值的出现频数
values, counts = np.unique(data, return_counts=True)

plt.figure(figsize=(8, 4))

# 遍历每个数值和它的频数，逐个画点
for val, cnt in zip(values, counts):
    # 生成y轴坐标，从0到频数-1，保证点垂直堆叠
    y_positions = range(cnt)
    # 绘制对应x位置的所有点
    plt.scatter([val]*cnt, y_positions, color='#1f77b4', s=60)

# 美化图表
plt.xlabel('观测值')
plt.ylabel('堆叠数量')
plt.title('统计学点图（Dot Plot）')
plt.yticks(range(max(counts)))
plt.grid(axis='y', linestyle='--', alpha=0.6)

plt.show()

方法二：用Seaborn快速实现（更简洁） #

Seaborn是基于Matplotlib的可视化库，它的stripplot可以直接实现这种点图，只要关闭抖动效果，让相同数值的点垂直堆叠：

import seaborn as sns
import matplotlib.pyplot as plt

data = [0,0,0,0,0,0,1,1,1,2,2,2,2,3,3]

plt.figure(figsize=(8, 4))
# jitter=False 是关键，禁止点左右分散，实现垂直堆叠
sns.stripplot(x=data, jitter=False, size=12, color='#1f77b4')

# 美化图表
plt.xlabel('观测值')
plt.title('统计学点图（Dot Plot）')
plt.grid(axis='y', linestyle='--', alpha=0.6)

plt.show()

补充说明 #

你搜Matplotlib时搜到的散点图，是因为Matplotlib原生的scatter默认会让点分散展示，而我们需要的是相同x值的点在y轴方向堆叠，所以要么手动控制y轴坐标，要么借助Seaborn的封装工具，这两种方法都能完美实现你要的统计学点图效果。

内容的提问来源于stack exchange，提问作者Scott