### 使用Python创建Cleveland点图 Cleveland点图是一种用于比较分类变量之间数值差异的有效工具。它通过将类别沿水平轴排列并将对应的值作为垂直位置显示，从而使得对比更为清晰直观。 以下是基于`matplotlib`和`seaborn`库实现Cleveland点图的具体方法： #### 方法一：使用 `matplotlib` 可以通过调整散点图的方式手动构建Cleveland点图[^1]。以下是一个简单的例子： ```python import matplotlib.pyplot as plt import pandas as pd # 创建示例数据 data = {'Category': ['A', 'B', 'C', 'D'], 'Value': [25, 20, 35, 15]} df = pd.DataFrame(data) # 绘制Cleveland点图 fig, ax = plt.subplots() ax.scatter(df['Value'], df['Category']) # 添加辅助线 for i, value in enumerate(df['Value']): ax.text(value + 0.5, i, str(value)) plt.xlabel('Values') plt.title('Cleveland Dot Plot Example') plt.show() ``` 上述代码展示了如何利用`scatter()`函数绘制点，并通过`text()`函数标注具体数值。 #### 方法二：使用 `seaborn.stripplot()` `seaborn` 提供了一个更简洁的方式来生成类似的图形。下面的例子演示了如何使用 `stripplot()` 函数来制作 Cleveland 点图[^3]: ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd # 加载心脏病数据集 url = "https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.cleveland.data" names = ['age','sex', 'cp', 'trestbps', 'chol', 'fbs','restecg', 'thalach', 'exang', 'oldpeak','slope', 'ca', 'thal', 'target'] df = pd.read_csv(url, header=None, names=names) # 转换目标列为目标标签 df['target'] = df['target'].apply(lambda x: 1 if float(x) >= 1 else 0) # 制作Cleveland点图 sns.stripplot(y="age", x="target", data=df, jitter=False, orient="h") plt.xlabel('Target (Heart Disease)') plt.ylabel('Age') plt.title('Cleveland Dot Plot for Heart Disease Dataset') plt.show() ``` 此代码片段加载了心脏疾病的数据集，并将其转换为适合绘图的形式。最终调用了 `seaborn.stripplot()` 来完成绘图操作[^4]。 #### 总结 无论是采用基础的 `matplotlib` 进行自定义开发还是依赖于高级封装好的 `seaborn` 库，都可以高效地生成 Cleveland 点图以满足不同的需求场景。