如何在Matplotlib中绘制带标记尺寸映射的时序散点图？

嘿，这个问题我之前帮不少人解决过——确实，plot_date在标记尺寸这块太受限，而直接用plt.scatter碰上个类型提升错误，大概率是时间数据的类型没处理对。我给你两个靠谱的解决方案：

方案一：手动转换时间格式，用Matplotlib原生scatter #

问题根源在于plt.scatter不直接支持Pandas的datetime64类型作为x轴输入，我们只需要把时间序列转换成Matplotlib能识别的数值格式就行：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 先构造一份示例时序数据（你可以替换成自己的DataFrame）
df = pd.DataFrame({
    'timestamp': pd.date_range(start='2024-01-01', periods=50, freq='D'),
    'value': np.random.randn(50).cumsum(),
    'marker_size': np.random.randint(20, 200, size=50)  # 控制标记大小的数组
})

# 关键步骤：把Pandas datetime转换成Matplotlib的数值格式（从基准日开始的天数）
x = mdates.date2num(df['timestamp'])

# 绘制散点图，s参数直接传入尺寸数组（可根据需求缩放数值，因为s的单位是点的平方）
plt.scatter(x, df['value'], s=df['marker_size'], alpha=0.6, edgecolor='white')

# 格式化x轴日期，避免重叠拥挤
plt.gcf().autofmt_xdate()
date_format = mdates.DateFormatter('%Y-%m-%d')
plt.gca().xaxis.set_major_formatter(date_format)

plt.xlabel('Date')
plt.ylabel('Value')
plt.title('Scatter Plot with Time Series & Size-Varying Markers')
plt.show()

方案二：用Seaborn的scatterplot（更省心） #

Seaborn对Pandas的时间序列支持更友好，不需要手动转换时间格式，直接传DataFrame列名就行，还能自动生成尺寸图例：

import seaborn as sns

sns.scatterplot(
    data=df,
    x='timestamp',
    y='value',
    size='marker_size',
    alpha=0.6,
    edgecolor='white'
)

# 同样要格式化x轴日期
plt.gcf().autofmt_xdate()
plt.title('Seaborn Scatter Plot with Time Series & Size-Varying Markers')
plt.show()

额外注意点 #

如果你之前用plt.scatter时报错，还要检查一下你的尺寸数组是不是纯数值类型（int/float），如果是object类型的话也会触发类型提升错误，可以用df['marker_size'] = df['marker_size'].astype(int)强制转换。

内容的提问来源于stack exchange，提问作者lespaul