在Seaborn子图绘制集中趋势（均值、中位数）时遇ValueError的解决

问题背景 #

需要在2行3列的子图中，分别为未转换和对数转换的SalePrice、GrLivArea、GarageArea数据绘制直方图+核密度估计曲线，并为每个子图添加均值、中位数垂直线以展示集中趋势，但运行代码触发如下错误：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误原因 #

1. 参数类型不匹配：df_train[list_soal].mean()和np.median(df_train[list_soal])返回的是Pandas Series（包含多列的统计值），而plt.axvline()需要单个数值作为垂直线位置，导致类型判断歧义。
2. 子图定位错误：使用全局plt.axvline()而非子图对象的ax.axvline()，无法将垂直线绘制到对应子图上。

修正后的完整代码 #

import pandas as pd
import numpy as np
import seaborn as sns
%matplotlib inline
import matplotlib.pyplot as plt

import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)
sns.set_theme()
sns.set_style('white')

df_train = pd.read_csv('https://github.com/lokalhangatt/stackoverlow/raw/refs/heads/main/train.csv')
df_train = df_train.dropna(axis=1)

list_soal = ['SalePrice', 'GrLivArea', 'GarageArea']

def function1(ax):
    ax[1].set_title('Histogram for Non-Transformed Data', fontsize=16)
    for i in range(len(list_soal)):
        col = list_soal[i]
        # 绘制直方图和核密度曲线
        sns.histplot(df_train[col], kde=False, stat='density', bins=30, ax=ax[i])
        sns.kdeplot(df_train[col], ax=ax[i])
        # 计算当前列的均值、中位数
        col_mean = df_train[col].mean()
        col_median = df_train[col].median()
        # 在当前子图绘制垂直线
        line1 = ax[i].axvline(col_mean, color="k", linestyle="--", label="mean")
        line2 = ax[i].axvline(col_median, color="r", linestyle="--", label="median")
        # 为当前子图添加图例
        ax[i].legend(handles=[line1, line2], loc=1)

def function2(ax):
    ax[1].set_title('Histogram for Transformed Data', fontsize=16)
    for i in range(len(list_soal)):
        col = list_soal[i]
        # 对数转换数据
        log_data = np.log10(df_train[col])
        # 绘制直方图和核密度曲线
        sns.histplot(log_data, kde=False, stat='density', bins=30, ax=ax[i])
        sns.kdeplot(log_data, ax=ax[i])
        # 计算转换后数据的均值、中位数
        log_mean = log_data.mean()
        log_median = log_data.median()
        # 在当前子图绘制垂直线
        line1 = ax[i].axvline(log_mean, color="k", linestyle="--", label="mean")
        line2 = ax[i].axvline(log_median, color="r", linestyle="--", label="median")
        # 为当前子图添加图例
        ax[i].legend(handles=[line1, line2], loc=1)

# 创建2行3列子图
fig, ax = plt.subplots(2, 3, figsize=(14,9), sharey='row')
fig.subplots_adjust(hspace=0.4)

function1(ax[0])
function2(ax[1])

plt.show()

关键修正点 #

• 循环中针对单个列计算均值、中位数，确保传入axvline的是单个数值
• 使用子图对象的ax[i].axvline()替代全局plt.axvline()，保证垂直线绘制在对应子图上
• 为每个子图单独添加图例，避免全局图例覆盖子图内容
• 补全了对数转换数据的均值、中位数垂直线绘制逻辑

内容的提问来源于stack exchange，提问作者lokalhangatt