### 如何用Python Matplotlib或Seaborn绘制四象限分析图 为了创建一个有效的四象限分析图表，可以利用`matplotlib`和`seaborn`库来实现。这种类型的图形有助于理解两个变量之间的关系，并通过划分四个区域来进行更深入的数据洞察。 #### 导入必要的库 首先，确保安装并导入所需的Python包： ```python import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt ``` #### 创建样本数据集 假设有一个关于客户行为的数据集，其中包含客户的消费时间和消费频率作为主要指标。这里构建了一个简单的DataFrame用于演示目的： ```python np.random.seed(0) data = { 'customer_id': range(1, 20), 'recent': np.random.uniform(low=0.5, high=10.0, size=19), 'frequency': np.random.uniform(low=0.5, high=10.0, size=19), } df_customers = pd.DataFrame(data) # 添加分类标签以模拟不同类型的顾客群体 conditions = [ (df_customers['recent'] >= 7) & (df_customers['frequency'] >= 7), (df_customers['recent'] < 7) & (df_customers['frequency'] >= 7), (df_customers['recent'] < 7) & (df_customers['frequency'] < 7), (df_customers['recent'] >= 7) & (df_customers['frequency'] < 7)] choices = ['高价值', '潜在流失风险', '低活跃度', '新近活跃'] df_customers['segment'] = np.select(conditions, choices, default='其他') ``` #### 绘制四象限图 接下来定义函数来绘制带有分割线的散点图，这将帮助区分不同的象限： ```python def plot_quadrant_analysis(df): fig, ax = plt.subplots(figsize=(10, 8)) # 设置坐标轴范围 max_val = df[['recent', 'frequency']].max().max() min_val = df[['recent', 'frequency']].min().min() # 定义中间位置 mid_x = (max_val + min_val)/2 mid_y = (max_val + min_val)/2 # 绘制水平和垂直分隔线 plt.axhline(y=mid_y, color="gray", linestyle="--") plt.axvline(x=mid_x, color="gray", linestyle="--") # 使用lmplot展示带颜色区别的散点图 sns.scatterplot( data=df, x='recent', y='frequency', hue='segment', palette=['green', 'red', 'blue', 'orange'], style='segment', markers=["o", "^", "s", "D"], s=100, alpha=0.6, edgecolor="w", linewidth=0.5 ) # 自定义标题和其他装饰元素 plt.title('Customer Segmentation Based on Recent and Frequency Metrics', fontsize=16) plt.xlabel('最近一次购买的时间间隔(recent)', fontsize=14) plt.ylabel('购买频次(frequency)', fontsize=14) # 显示网格辅助阅读 plt.grid(True, which='both', linestyle='--', linewidth=0.5) plt.legend(title='客户细分') plt.show() plot_quadrant_analysis(df_customers) ``` 此代码片段展示了如何基于给定条件对客户群进行分类，并使用`sns.scatterplot()`方法生成带有明显分区界限的散点图[^1]。此外，还设置了自定义的颜色映射、标记样式以及其他视觉增强功能，使得最终图像更加清晰易懂。