散点图显示多数并包括极值

Posted 2023-03-27

【中文标题】散点图显示多数并包括极值

【英文标题】：Scatter plot to show the majorities and include extreme numbers

【发布时间】：2022-01-07 08:03:02

【问题描述】：

简单数据如下，我想把它们放在散点图中。

如果没有异常值（即非常大的数字），一切顺利。

import pandas as pd
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()

dates = ["2021-01-01",
"2021-01-01", "2021-01-06",
"2021-01-08", "2021-01-12",
"2021-02-01", "2021-02-11",
"2021-02-12", "2021-02-15",
"2021-02-16", "2021-03-11",
"2021-03-21", "2021-03-22",
"2021-03-23", "2021-03-24",
"2021-04-02", "2021-04-12",
"2021-04-22", "2021-04-26",
"2021-04-30"]

numbers= [6400,
5100,5000,
4000,3686,
9000,8050,
8000,6050,
6000,9000,
8500,7800,
7000,6000,
10000,9600,
8000,7883,
6686]

dates = [pd.to_datetime(d) for d in dates]

plt.scatter(dates, numbers, s =100, c = 'red')
plt.show()

但是当有一个或多个极端数字时，例如最后一个数字 6686 变为 66860。新图显示大多数散点不显着（因为新的 y 轴）。

像以前一样有散点图（保持 y 轴不变），并且仍然可视化极值，有什么好的解决方案？

图表的目的是显示和关注10000以下的散点分布，并注意存在极值。

谢谢。

【问题讨论】：

您可以使用对数刻度。真正的问题是你想在这张图中传达什么信息？

@mozway，感谢您的评论。图表的读者不了解对数刻度的概念，因此最好保持 y 轴正常。

@mozway，图表的目的是显示和关注10000以下（数字）的散点分布，并注意存在极端数字。

【参考方案1】：

如果您不想使用对数刻度，可以将绘图分成两个（或更多）并绘制低于/高于阈值的值：

df = pd.DataFrame('num': numbers, index=dates)
thresh = 12000

f, (ax1, ax2) = plt.subplots(nrows=2, sharex=True,
                             gridspec_kw='height_ratios': (1,3),
                             figsize=(10,4)
                            )

lows  = df.mask(df['num'].ge(thresh))
highs = df.mask(df['num'].lt(thresh))

ax2.scatter(df.index, lows)
ax1.scatter(df.index, highs)

输出：

【讨论】：

哇！惊人的！我从来没有想过这个。谢谢！