Python matplotlib散布：重叠点越多，标记越大

我想把两个分类变量散绘如下

from matplotlib import pyplot as plt    
a=[1,1,1,1,2,2]
b=[2,2,2,2,1,1]
plt.scatter(a,b)

如果我画这个图，我将只看到两个点（在（1,2）中有4个重叠点，在（2,1）中有2个重叠点），而无法理解两个重叠点的不同出现

我希望看到散点图，其中左侧点（1,2）的标记比右侧点（2,1）的标记大两倍，以显示点的不同出现。正确的方法是什么？（在繁琐的解决方案旁边，我用手计算出现的次数，并将它们放在

plt.scatter

的

size

参数中）

我已经搜索了其他SOF问题，但他们都建议使用alpha，但我希望看到标记大小，以便更好地了解事件之间的不同比例

指针可能是使用中建议的某种内核密度估计

---

为了给我的问题提供更多的上下文，这两个输出是两个分类器的预测，我想探索预测之间的差异，以评估是否将它们集成。

您可以利用x点（甚至是这个特定数据集的y点）的出现频率可使用模块获取。然后，频率可以用作定义标记大小的重缩放因子。这里

200

只是一个大数字，用来强调标记的大小

from matplotlib import pyplot as plt    
from collections import Counter

a=[1,1,1,1,2,2]
b=[2,2,2,2,1,1]

weights = [200*i for i in Counter(a).values() for j in range(i)]
plt.scatter(a, b, s = weights)
plt.show()

另一个可视化分布的选项是条形图

freqs = Counter(a)

plt.bar(freqs.keys(), freqs.values(), width=0.5)
plt.xticks(list(freqs.keys()))

---

是的，计数器是一个很好的选择：您认为散布是最好的绘图吗？或者可能有更好的图来突出分类器预测的不同分布？@AlessandroSolbiati：条形图是另一个很好的选择，它将直接显示发生的频率