matplotlib scatter：重叠点越多，标记越大

Question

我想散点图两个分类变量如下

from matplotlib import pyplot as plt    
a=[1,1,1,1,2,2]
b=[2,2,2,2,1,1]
plt.scatter(a,b)

如果我绘制此图，我将只看到两个点（4 个在 (1,2) 中重叠，2 个在 (2,1) 中重叠）而无法理解两个重叠点的不同出现。

我想看到一个散点图，其中左侧点 (1,2) 的标记比右侧点 (2,1) 上的标记大两倍，以显示不同的出现的点。这样做的正确方法是什么？ （除了我手动计算出现次数并将它们放在plt.scatter 的size 参数中的琐碎解决方案之外）

我已经搜索了其他 SOF 问题，但他们都建议使用 alpha like here，但我希望看到标记大小以更好地了解出现之间的不同比例。

建议使用this answer 中建议的一些内核密度估计

为了给我的问题提供更多背景信息，这两个输出是两个分类器的预测，我想探索预测之间的差异以评估是否对它们进行集成。

Answer 1

您可以利用可以使用Counter 模块获得的x 点（甚至这个特定数据集的y 点）的出现频率。然后可以将频率用作定义标记大小的重新缩放因子。这里200只是一个很大的数字来强调标记的大小。

from matplotlib import pyplot as plt    
from collections import Counter

a=[1,1,1,1,2,2]
b=[2,2,2,2,1,1]

weights = [200*i for i in Counter(a).values() for j in range(i)]
plt.scatter(a, b, s = weights)
plt.show()

另一个可视化分布的选项是条形图

freqs = Counter(a)

plt.bar(freqs.keys(), freqs.values(), width=0.5)
plt.xticks(list(freqs.keys()))