### 如何在 Python 中使用 Matplotlib 或 Seaborn 绘制气泡图 气泡图是一种扩展的散点图，其中除了 x 和 y 轴上的位置外，还通过气泡的大小表示第三个变量。以下是实现此功能的方法。 #### 使用 Matplotlib 创建气泡图 Matplotlib 提供了 `scatter()` 方法来创建气泡图。可以通过调整参数 `s` 来控制每个数据点的大小，从而表示第三维的数据[^5]。 ```python import matplotlib.pyplot as plt import numpy as np # 数据准备 np.random.seed(0) x = np.random.rand(50) * 100 # X轴数据 y = np.random.rand(50) * 100 # Y轴数据 sizes = np.random.rand(50) * 1000 # 气泡大小 colors = np.random.rand(50) # 颜色数据 (可选) # 绘制气泡图 plt.scatter(x, y, s=sizes, c=colors, alpha=0.6, cmap='viridis') plt.colorbar(label="Color Scale") # 添加颜色条 plt.xlabel("X-Axis Label") plt.ylabel("Y-Axis Label") plt.title("Bubble Chart Using Matplotlib") # 显示图表 plt.show() ``` 上述代码中，`s` 参数用于定义气泡的大小，而 `c` 参数可以用来指定每一点的颜色值。这里我们随机生成了一些数据作为演示[^5]。 --- #### 使用 Seaborn 创建气泡图 Seaborn 是基于 Matplotlib 的高级可视化库，提供了更简洁的方式绘制复杂的图形。虽然 Seaborn 并未直接提供专门的 “bubble chart” 函数，但其 `scatterplot()` 可以轻松完成这一任务[^6]。 ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd import numpy as np # 构造 DataFrame data = { 'x': np.random.rand(50) * 100, 'y': np.random.rand(50) * 100, 'size': np.random.rand(50) * 1000, 'color': np.random.rand(50), } df = pd.DataFrame(data) # 使用 Seaborn 散点图函数 sns.scatterplot( data=df, x='x', y='y', size='size', # 定义气泡大小 hue='color', # 定义气泡颜色 sizes=(20, 2000), # 设置最小和最大尺寸范围 palette='coolwarm' # 配置调色板 ) plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left') # 将图例移至外部 plt.title("Bubble Chart Using Seaborn") plt.tight_layout(rect=[0, 0, 0.9, 1]) # 自动调整布局 plt.show() ``` 在此示例中，`hue` 参数被用来映射到不同的颜色维度，同时 `size` 参数决定了气泡的实际大小[^6]。 --- #### 注意事项 - 如果需要进一步增强视觉效果，可以考虑添加标签、网格线或其他装饰性元素。 - 对于较大的数据集，可能需要注意性能优化以及避免过度重叠导致的信息丢失问题。