
如果你投过机器学习相关期刊,可能遇到这个问题:特征重要性分析做了十几个特征,画柱状图排一排,审稿人回了句“各特征的权重信息能否同时体现?”
通常柱状图只能编码一个维度——要么是重要性,要么是权重。两个都想展示怎么办?这种图就能搞定:

这张图在说什么
左边一列是特征名称,从下往上按重要性排序。每根横线是「棒」,棒长表示这个特征的重要性分数。线条末端的气泡大小编码了另一个维度——比如该特征在所有交叉验证轮次中的稳定程度、或者样本覆盖率。
一眼看过去,棒长代表「有多重要」,气泡代表「有多稳定」。两条信息在同一条线上对齐。
这种图的学名叫 Lollipop Bubble Chart,中文叫棒棒糖气泡图。
适用场景非常具体:
判断标准很简单:当你需要同时回答「谁大谁小」和「谁稳谁飘」,柱状图不够,你就需要它。
代码怎么写的,拆成 5 块讲
n_items = 15x = np.random.uniform(0, 1, n_items) # X 轴数值(重要性)sz = np.random.uniform(1, 10, n_items) # 气泡大小参数(权重)labels = [f'P{i+1}' for i in range(n_items)] # Y 轴标签idx = np.argsort(x)x_sorted = x[idx]sz_sorted = sz[idx]labels_sorted = [labels[i] for i in idx]y = np.arange(1, n_items + 1)这一段做了两件事:
第一,定义三个并行数组——x 是主指标,sz 是气泡维度,labels 是类别名。
第二,按 x 排序。这是关键步骤。棒棒糖图的视觉优势在于读者能一眼看到排序,最重要的在最上面。np.argsort(x) 返回的是排序索引,用它同步重排 labels 和 sz。
for i in range(n_items):ax.plot([0, x_sorted[i]], [y[i], y[i]],color=line_color, linewidth=line_lw, zorder=2)
每个类别画一条从 0 到 x 值的水平线。15 个类别就是 15 次 plot 调用。
注意 zorder=2——它保证线条在网格线之上,不然灰色网格线会盖住你的数据。
sz_norm = (sz_sorted - sz_sorted.min()) / (sz_sorted.max() - sz_sorted.min() + 1e-9)sizes = bubble_min + sz_norm * (bubble_max - bubble_min)ax.scatter(x_sorted, y, s=sizes, c=dot_color, alpha=dot_alpha,edgecolors='none', zorder=3)
sz 的原始数值可能是 1 到 10,但 matplotlib 的 s 参数接受的是「点的面积」,范围太小时气泡大小差异肉眼难辨。所以需要做一次 Min-Max 归一化,把原始范围映射到一个视觉友好区间(代码里是 20 到 200 平方点)。
+ 1e-9 是防止除零——当所有 sz 值都相同时,分母为 0 会崩,这 1e-9 救你一条命。
ax.spines[['top', 'right']].set_visible(False)ax.invert_yaxis()ax.xaxis.grid(True, linewidth=0.5, color=[0.8, 0.8, 0.8])ax.yaxis.grid(False)
三步操作,每步都有设计意图:
invert_yaxis() 让排名第一的类别显示在图的最上方。从最高到最低的视觉流向符合阅读直觉。for sv, sl in [(sz_sorted.max(), f'{sz_sorted.max():.1f}'),(sz_sorted.mean(), f'{sz_sorted.mean():.1f}'),(sz_sorted.min(), f'{sz_sorted.min():.1f}')]:s_norm = (sv - sz_sorted.min()) / (sz_sorted.max() - sz_sorted.min() + 1e-9)s_pt = bubble_min + s_norm * (bubble_max - bubble_min)ax.scatter([], [], s=s_pt, c=dot_color, alpha=dot_alpha,edgecolors='none', label=sl)ax.legend(title='Size', loc='lower right', fontsize=6,title_fontsize=7, frameon=False, labelspacing=1.5)
这段代码用最大值、均值、最小值三个锚点构建图例,用和画图同样的归一化逻辑生成对应的气泡大小,保证图例和图中的气泡尺寸完全一致。frameon=False 去掉图例的边框,保持极简风格。
完整代码,可复制直接跑
"""棒棒糖气泡图 (Lollipop Bubble Chart)水平棒棒糖图结合气泡大小编码,同时展示数值大小与附加维度信息,适合展示排序后的分类数据及其权重或频次。"""# 关注微信公众号:数学建模BOOM,后台回复“科研”,获取AI科研写作与Python绘图合集import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['Microsoft YaHei']# ============================================================# 数据准备(替换为你的真实数据)# ============================================================np.random.seed(42)n_items = 15x = np.random.uniform(0, 1, n_items) # X 轴数值sz = np.random.uniform(1, 10, n_items) # 气泡大小参数labels = [f'P{i+1}' for i in range(n_items)] # Y 轴标签# 按数值排序idx = np.argsort(x)x_sorted = x[idx]sz_sorted = sz[idx]labels_sorted = [labels[i] for i in idx]y = np.arange(1, n_items + 1)# ============================================================# 绘图参数# ============================================================dot_color = '#E64B35' # 气泡颜色dot_alpha = 0.8 # 气泡透明度line_color = dot_color # 棒线颜色line_lw = 1.0 # 棒线线宽bubble_max = 200 # 最大气泡点面积(points^2)bubble_min = 20 # 最小气泡点面积# ============================================================# 绘图# ============================================================fig, ax = plt.subplots(figsize=(5.8/2.54, 4.5/2.54), dpi=300)ax.set_facecolor('white')fig.patch.set_facecolor('white')# 棒棒糖线(从 0 到 x_sorted)for i in range(n_items):ax.plot([0, x_sorted[i]], [y[i], y[i]],color=line_color, linewidth=line_lw, zorder=2)# 气泡:大小由 sz 映射sz_norm = (sz_sorted - sz_sorted.min()) / (sz_sorted.max() - sz_sorted.min() + 1e-9)sizes = bubble_min + sz_norm * (bubble_max - bubble_min)ax.scatter(x_sorted, y, s=sizes, c=dot_color, alpha=dot_alpha,edgecolors='none', zorder=3)# ============================================================# 坐标轴样式# ============================================================ax.set_xlim(-0.05, 1.05)ax.set_ylim(0.5, n_items + 0.5)ax.set_yticks(y)ax.set_yticklabels(labels_sorted, fontsize=6)ax.set_xticks(np.arange(0, 1.1, 0.2))ax.invert_yaxis()ax.spines[['top', 'right']].set_visible(False)ax.spines[['left', 'bottom']].set_linewidth(1.0)ax.spines[['left', 'bottom']].set_color([0.1, 0.1, 0.1])ax.tick_params(direction='out', length=3, width=0.6,colors=[0.1, 0.1, 0.1], pad=5)ax.tick_params(axis='both', which='major', labelsize=5)ax.set_xlabel('Mean Decrease Accuracy', fontsize=6, fontfamily='Arial')ax.set_ylabel('Product', fontsize=6, fontfamily='Arial')ax.set_title('Lollipop Bubble', fontsize=6,fontfamily='Arial', pad=3)ax.xaxis.grid(True, linewidth=0.5, color=[0.8, 0.8, 0.8])ax.yaxis.grid(False)# 气泡大小图例for sv, sl in [(sz_sorted.max(), f'{sz_sorted.max():.1f}'),(sz_sorted.mean(), f'{sz_sorted.mean():.1f}'),(sz_sorted.min(), f'{sz_sorted.min():.1f}')]:s_norm = (sv - sz_sorted.min()) / (sz_sorted.max() - sz_sorted.min() + 1e-9)s_pt = bubble_min + s_norm * (bubble_max - bubble_min)ax.scatter([], [], s=s_pt, c=dot_color, alpha=dot_alpha,edgecolors='none', label=sl)ax.legend(title='Size', loc='lower right', fontsize=6,title_fontsize=7, frameon=False, labelspacing=1.5)# 关注微信公众号:数学建模BOOM,后台回复“科研”,获取AI科研写作与Python绘图合集import numpy as npplt.tight_layout()plt.show()fig.savefig('lollipop_bubble.png', dpi=300, bbox_inches='tight',facecolor='white')print('图像已保存为 lollipop_bubble.png')
用你的数据,改 3 个地方就行
x = np.array([0.42, 0.87, 0.15, ...]) # 你的主指标sz = np.array([3.2, 8.1, 5.6, ...]) # 你的气泡维度labels = ['特征A', '特征B', '特征C', ...] # 你的类别名ax.set_xlabel('你的 X 轴含义', fontsize=6, fontfamily='Arial')ax.set_title('你的图标题', fontsize=6, fontfamily='Arial', pad=3)bubble_max 和 bubble_min 让视觉差异更明显:bubble_max = 300 # 加大对比bubble_min = 10 # 缩小对比以上,就搞定了。
💡关注本公众号:数学建模BOOM,
后台回复“科研”,
获取「AI科研写作与Python绘图合集」

【往期文章】
Nature:如何利用vibe coding助力科研——论文产出提高75%
数模AI知识库更新国赛板块——基于RAG增强检索,最懂数模的AI
-----------------------------------
点击下方关注公众号,在后台回复
回复 “群”,加入数模交流群;
回复“课程”,查看入门级数学建模精品课程(常用模型的原理讲解+例题+matlab编程,附带课件与代码)