基于出现频率的 Seaborn 散点图大小

Question

我正在尝试使用 Seaborn 库绘制数据，其中：

x 轴 - 电影发行年份
y 轴 - 电影评分（0-10，离散）

我现在正在使用散点图。我的数据在 Pandas 数据框中。

很明显，因为我的评分数据是离散整数，所以很多数据都是相互叠加的。如何使每个点的大小与数据集中出现的频率成比例？

例如，如果 2008 年 6/10 评级的数量高于任何其他 rating/year 组合，我希望该点大小（或图中的其他内容）表明这一点。

对于这样的事情，我应该使用不同的情节吗？

Answer 1

Is there a different plot I should use for something like this instead?

我建议将其可视化为 heatmap of a rating-year crosstab:

years = range(df['Release Year'].min(), df['Release Year'].max() + 1)
cross = pd.crosstab(df['IMDB Rating'], df['Release Year']).reindex(columns=years, fill_value=0)

fig, ax = plt.subplots(figsize=(30, 5))
sns.heatmap(cross, cbar_kws=dict(label='Count'), ax=ax)
ax.invert_yaxis()

但是如果你还是喜欢scatterplot bubble chart, set the size param via groupby.size:

counts = df.groupby(['Release Year', 'IMDB Rating']).size().reset_index(name='Count')

fig, ax = plt.subplots(figsize=(30, 5))
sns.scatterplot(data=counts, x='Release Year', y='IMDB Rating', size='Count', ax=ax)
ax.grid(axis='y')
sns.despine(left=True, bottom=True)

参考资料：

url = 'https://raw.githubusercontent.com/vega/vega/main/docs/data/movies.json'
df = pd.read_json(url)[['Title', 'Release Date', 'IMDB Rating']]

df['IMDB Rating'] = df['IMDB Rating'].round().astype('Int8')
df['Release Year'] = pd.to_datetime(df['Release Date']).dt.year
df = df.loc[df['Release Year'] <= 2010]

基于出现频率的 Seaborn 散点图大小

Seaborn scatterplot size based on frequency of occurrence

python

pandas

matplotlib

seaborn

data-visualization